فلش‌کارت‌های آموزشی مبانی و کاربردهای پردازش تصویر در مهندسی کامپیوتر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای پردازش تصویر در مهندسی کامپیوتر

موضوع کلی: مهندسی نرم‌افزار و پردازش داده

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش تصویر
• 2. تاریخچه و مفاهیم کلیدی پردازش تصویر
• 3. کاربردهای پردازش تصویر در صنعت
• 4. نرم‌افزارهای رایج در پردازش تصویر
• 5. آشنایی با محیط MATLAB برای پردازش تصویر
• 6. کار با تصاویر دیجیتال در MATLAB
• 7. مفاهیم پایه تصویر: پیکسل، ابعاد، رزولوشن
• 8. انواع تصاویر: سیاه و سفید، خاکستری، رنگی
• 9. عمق تصویر و فضاهای رنگی (RGB, HSV)
• 10. تبدیل تصاویر بین فضاهای رنگی مختلف
• 11. مبانی ریاضیات مورد نیاز در پردازش تصویر
• 12. جبر خطی برای پردازش تصویر
• 13. حساب دیفرانسیل و انتگرال در پردازش تصویر
• 14. آمار و احتمال در پردازش تصویر
• 15. فیلترینگ و بهبود تصویر: مفاهیم پایه
• 16. فیلترهای میانگین و گوسی
• 17. کاهش نویز با فیلترهای میانگین و گوسی
• 18. فیلترهای میانه و کاربردهای آن
• 19. تشخیص لبه: مفاهیم و الگوریتم‌ها
• 20. عملگر سوبل و کاربردهای آن
• 21. عملگر پرویت و لاپلاسین
• 22. تشخیص لبه در تصاویر رنگی
• 23. آستانه‌گذاری (Thresholding)
• 24. روش‌های آستانه‌گذاری ساده
• 25. آستانه‌گذاری تطبیقی (Adaptive Thresholding)
• 26. آستانه‌گذاری اوتسوی (Otsu's Method)
• 27. پردازش مورفولوژیکی: مفاهیم پایه
• 28. اِعمال (Dilation) و فرسایش (Erosion)
• 29. بازسازی (Opening) و بستن (Closing)
• 30. عملیات مورفولوژیکی پیچیده‌تر
• 31. تقسیم‌بندی تصویر (Image Segmentation)
• 32. روش‌های مبتنی بر مرز
• 33. روش‌های مبتنی بر ناحیه
• 34. تقسیم‌بندی با استفاده از الگوریتم‌های K-Means
• 35. تقسیم‌بندی با استفاده از گراف کات (Graph Cut)
• 36. تشخیص و استخراج ویژگی (Feature Detection and Extraction)
• 37. نقاط کلیدی (Keypoints) و توصیفگرها
• 38. الگوریتم SIFT (Scale-Invariant Feature Transform)
• 39. الگوریتم SURF (Speeded Up Robust Features)
• 40. الگوریتم ORB (Oriented FAST and Rotated BRIEF)
• 41. تطبیق ویژگی‌ها (Feature Matching)
• 42. روش‌های تطبیق مبتنی بر فاصله‌ی اقلیدسی
• 43. روش‌های تطبیق مبتنی بر نسبت فاصله‌ها
• 44. فیلترینگ تطبیقی در تطبیق ویژگی‌ها
• 45. مبانی بینایی ماشین
• 46. دید استریو و بازسازی سه‌بعدی
• 47. کالیبراسیون دوربین
• 48. تشخیص اشیاء (Object Detection)
• 49. روش‌های کلاسیک تشخیص اشیاء
• 50. الگوریتم‌های مبتنی بر پنجره لغزان
• 51. تشخیص چهره (Face Detection)
• 52. روش‌های مبتنی بر ویژگی‌های Haar
• 53. روش‌های مبتنی بر یادگیری عمیق (Deep Learning)
• 54. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
• 55. معماری‌های رایج CNN برای بینایی ماشین
• 56. آموزش مدل‌های CNN
• 57. شبکه‌های عصبی کانولوشنی برای تشخیص اشیاء
• 58. الگوریتم‌های YOLO (You Only Look Once)
• 59. الگوریتم‌های SSD (Single Shot MultiBox Detector)
• 60. الگوریتم‌های Faster R-CNN
• 61. شناسایی اشیاء (Object Recognition)
• 62. طبقه‌بندی تصاویر با استفاده از CNN
• 63. شناسایی اشیاء در ویدئو
• 64. دنبال کردن اشیاء (Object Tracking)
• 65. روش‌های مبتنی بر فیلتر کالمن
• 66. روش‌های مبتنی بر مقایسه ویژگی‌ها
• 67. دنبال کردن با استفاده از شبکه‌های عصبی
• 68. تحلیل حرکت (Motion Analysis)
• 69. تشخیص حرکت در فریم‌های ویدئویی
• 70. تخمین بردار حرکت (Optical Flow)
• 71. کاربرد تحلیل حرکت در کاربردهای امنیتی
• 72. پردازش متن در تصاویر (OCR)
• 73. مبانی OCR
• 74. الگوریتم‌های OCR مبتنی بر ویژگی
• 75. OCR با استفاده از یادگیری عمیق
• 76. کاربردهای پردازش تصویر در پزشکی
• 77. تشخیص بیماری‌ها از روی تصاویر پزشکی
• 78. پردازش تصاویر MRI و CT Scan
• 79. پردازش تصویر در سیستم‌های نظارتی
• 80. تشخیص رفتار مشکوک
• 81. تشخیص چهره برای احراز هویت
• 82. پردازش تصویر در خودروهای خودران
• 83. تشخیص موانع
• 84. تشخیص خطوط جاده
• 85. پردازش تصویر در رباتیک
• 86. ناوبری ربات‌ها
• 87. تشخیص اشیاء برای دستکاری رباتیک
• 88. مقدمه‌ای بر بینایی ماشین سه‌بعدی
• 89. استفاده از سنسورهای عمق
• 90. بازسازی سه‌بعدی صحنه
• 91. کاربرد داده‌های حجمی (Volumetric Data)
• 92. پردازش ابر نقاط (Point Cloud Processing)
• 93. فیلترینگ و کاهش نویز در ابر نقاط
• 94. تقسیم‌بندی ابر نقاط
• 95. تشخیص اشیاء در ابر نقاط
• 96. مباحث پیشرفته در پردازش تصویر
• 97. یادگیری انتقالی (Transfer Learning)
• 98. افزایش داده (Data Augmentation)
• 99. شبکه‌های مولد تخاصمی (GANs)
• 100. کاربرد GANs در پردازش تصویر