فلش‌کارت‌های آموزشی بینایی ماشین پیشرفته: شبکه‌های کانولوشنال، تحلیل تصاویر و ویدئو

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بینایی ماشین پیشرفته: شبکه‌های کانولوشنال، تحلیل تصاویر و ویدئو

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: مباحث پیشرفته**

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی کانولوشنال
• 2. معماری‌های پیشرفته شبکه‌های کانولوشنال
• 3. کاربرد شبکه‌های کانولوشنال در بینایی ماشین
• 4. پردازش اولیه تصاویر برای شبکه‌های کانولوشنال
• 5. استخراج ویژگی با شبکه‌های کانولوشنال
• 6. طبقه‌بندی تصاویر با شبکه‌های کانولوشنال
• 7. تشخیص اشیاء با شبکه‌های کانولوشنال
• 8. بخش‌بندی تصاویر با شبکه‌های کانولوشنال
• 9. شناسایی چهره با شبکه‌های کانولوشنال
• 10. ردیابی اشیاء در ویدئو
• 11. تحلیل ویدئو با استفاده از شبکه‌های کانولوشنال
• 12. تولید تصویر با شبکه‌های کانولوشنال
• 13. یادگیری عمیق برای بینایی ماشین
• 14. انتقال یادگیری در شبکه‌های کانولوشنال
• 15. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
• 16. روش‌های افزایش داده در بینایی ماشین
• 17. شبکه‌های مولد تخاصمی (GANs) در بینایی ماشین
• 18. کاربرد GANs در تولید و افزایش تصاویر
• 19. شبکه‌های عصبی بازگشتی (RNNs) برای تحلیل توالی تصاویر
• 20. شبکه‌های LSTM و GRU در پردازش ویدئو
• 21. مدل‌های ترنسفورمر در بینایی ماشین
• 22. کاربرد ترنسفورمرها در طبقه‌بندی و تشخیص
• 23. بینایی ماشین سه‌بعدی (3D Computer Vision)
• 24. پردازش ابر نقاط (Point Cloud Processing)
• 25. استفاده از داده‌های سه‌بعدی در شبکه‌های کانولوشنال
• 26. یادگیری تقویتی در بینایی ماشین
• 27. کاربرد یادگیری تقویتی در رباتیک و خودران
• 28. بینایی ماشین در رباتیک
• 29. بینایی ماشین برای خودروهای خودران
• 30. سیستم‌های تشخیص عابر پیاده و علائم راهنمایی
• 31. پردازش و درک صحنه در ویدئو
• 32. تحلیل احساسات از روی تصاویر و ویدئو
• 33. تشخیص احساسات چهره
• 34. کاربرد بینایی ماشین در پزشکی
• 35. تشخیص بیماری از روی تصاویر پزشکی (رادیولوژی، پاتولوژی)
• 36. تحلیل تصاویر میکروسکوپی
• 37. بینایی ماشین در صنعت و تولید
• 38. کنترل کیفیت خودکار با بینایی ماشین
• 39. ربات‌های بینایی‌دار در خطوط تولید
• 40. بینایی ماشین در کشاورزی هوشمند
• 41. پایش محصولات و تشخیص آفات
• 42. ربات‌های کشاورزی
• 43. بینایی ماشین در امنیت و نظارت
• 44. سیستم‌های تشخیص نفوذ و رفتارهای مشکوک
• 45. تحلیل ترافیک شهری با بینایی ماشین
• 46. پردازش زبان طبیعی (NLP) و ارتباط آن با بینایی ماشین
• 47. توصیف تصاویر (Image Captioning)
• 48. پرسش و پاسخ تصویری (Visual Question Answering)
• 49. بینایی ماشین در واقعیت افزوده (AR) و واقعیت مجازی (VR)
• 50. ثبت و ردیابی در AR/VR
• 51. مدل‌سازی سه‌بعدی صحنه برای AR/VR
• 52. بینایی ماشین برای ربات‌های خدماتی
• 53. تعامل ربات با محیط و انسان
• 54. ناوبری ربات‌ها با استفاده از بینایی ماشین
• 55. روش‌های کاهش ابعاد در داده‌های بینایی ماشین
• 56. تجزیه مقادیر منفرد (SVD) در پردازش تصویر
• 57. تحلیل مولفه‌های اصلی (PCA) در استخراج ویژگی
• 58. شبکه‌های کانولوشنال اسپارس
• 59. شبکه‌های کانولوشنال عمیق و بهینه‌سازی آن‌ها
• 60. روش‌های تنظیم نرخ یادگیری (Learning Rate Scheduling)
• 61. تکنیک‌های منظم‌سازی (Regularization) در شبکه‌های عمیق
• 62. یادگیری انتقالی و انتقال دانش
• 63. مدل‌های چندوظیفه‌ای (Multi-task Learning)
• 64. یادگیری خودنظارتی (Self-supervised Learning) در بینایی ماشین
• 65. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
• 66. ارزیابی عملکرد مدل‌های بینایی ماشین
• 67. معیارهای ارزیابی در طبقه‌بندی و تشخیص
• 68. شاخص‌های دقت و فراخوانی (Precision & Recall)
• 69. ماتریس درهم‌ریختگی (Confusion Matrix)
• 70. کاربرد شبکه‌های کانولوشنال در تحلیل تصاویر ماهواره‌ای
• 71. پایش محیط زیست با تصاویر ماهواره‌ای
• 72. تحلیل کاربری اراضی
• 73. پردازش تصاویر پزشکی با تاکید بر پروتکل‌های وزارت بهداشت
• 74. تشخیص تومور و ضایعات سرطانی
• 75. تحلیل تصاویر شبکیه چشم
• 76. بینایی ماشین و مفاهیم خانواده ایرانی-اسلامی
• 77. تحلیل تعاملات خانوادگی در تصاویر
• 78. کاربرد در آموزش و پرورش کودکان
• 79. مبانی اخلاق در هوش مصنوعی و بینایی ماشین
• 80. مسائل حریم خصوصی در جمع‌آوری داده‌های تصویری
• 81. سوگیری در مدل‌های بینایی ماشین و راهکارهای آن
• 82. توسعه مدل‌های عادلانه و شفاف
• 83. استفاده از چارچوب‌های رسمی برای تحلیل داده‌های کلان
• 84. کاربرد بینایی ماشین در تحلیل رفتارهای اقتصادی
• 85. پایش بازار و پیش‌بینی روندها
• 86. تحلیل رفتار مصرف‌کننده
• 87. روش‌های مدل‌سازی و شبیه‌سازی در بینایی ماشین
• 88. شبیه‌سازی محیط‌های پیچیده
• 89. مدل‌سازی پدیده‌های طبیعی
• 90. بهینه‌سازی معماری شبکه‌های کانولوشنال
• 91. جستجوی معماری عصبی (Neural Architecture Search)
• 92. فشرده‌سازی مدل‌های بینایی ماشین
• 93. کوانتیزاسیون (Quantization) مدل‌ها
• 94. هرس کردن (Pruning) شبکه‌های عصبی
• 95. پردازش تصویر در زمان واقعی (Real-time Image Processing)
• 96. بهینه‌سازی الگوریتم‌ها برای سخت‌افزارهای خاص
• 97. کاربرد بینایی ماشین در سیستم‌های توصیه‌گر
• 98. تحلیل علایق کاربران بر اساس تعاملات تصویری
• 99. شخصی‌سازی محتوا
• 100. مبانی حقوقی و چارچوب‌های نظارتی در استفاده از بینایی ماشین