کتاب صوتی شتاب‌دهی پردازش موازی در تحلیل تصویر با GPU

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی پردازش موازی در تحلیل تصویر با GPU

موضوع کلی: علوم کامپیوتر

موضوع میانی: پردازش موازی

📋 سرفصل‌های دوره

• 1. مبانی پردازش تصویر دیجیتال
• 2. مفاهیم کلیدی پردازش تصویر
• 3. فیلترینگ تصویر خطی
• 4. فیلترینگ تصویر غیرخطی
• 5. تحلیل هیستوگرام تصویر
• 6. پردازش تصویر در حوزه فرکانس
• 7. تبدیل فوریه تصویر
• 8. تبدیلات موجک تصویر
• 9. فشرده‌سازی تصویر
• 10. تشخیص لبه در تصویر
• 11. تشخیص الگو در تصویر
• 12. تقسیم‌بندی تصویر
• 13. مدل‌های رنگی در پردازش تصویر
• 14. مبانی پردازش موازی
• 15. مدل‌های معماری موازی
• 16. موازی‌سازی داده
• 17. موازی‌سازی وظیفه
• 18. هماهنگ‌سازی در پردازش موازی
• 19. ارتباطات در سیستم‌های موازی
• 20. تکنیک‌های کاهش تاخیر در ارتباطات
• 21. موازنه بار در پردازش موازی
• 22. الگوریتم‌های موازی پایه
• 23. مفاهیم GPU (واحد پردازش گرافیکی)
• 24. معماری GPU
• 25. هسته‌های CUDA
• 26. حافظه در GPU
• 27. مدل برنامه‌نویسی CUDA
• 28. مبانی برنامه‌نویسی موازی با CUDA
• 29. مدیریت حافظه در CUDA
• 30. همگام‌سازی نخ‌ها در CUDA
• 31. بهینه‌سازی عملکرد در CUDA
• 32. تکنیک‌های موازی‌سازی برای عملیات پیکسلی
• 33. موازی‌سازی کانولوشن تصویر
• 34. موازی‌سازی فیلترینگ تصویر
• 35. موازی‌سازی عملیات هیستوگرام
• 36. موازی‌سازی تبدیل فوریه تصویر
• 37. موازی‌سازی الگوریتم‌های تشخیص لبه
• 38. موازی‌سازی الگوریتم‌های تشخیص الگو
• 39. موازی‌سازی الگوریتم‌های تقسیم‌بندی تصویر
• 40. موازی‌سازی پردازش تصویر در حوزه فرکانس
• 41. موازی‌سازی تبدیل موجک تصویر
• 42. موازی‌سازی الگوریتم‌های فشرده‌سازی تصویر
• 43. پردازش تصویر سه‌بعدی با GPU
• 44. پردازش تصویر ویدئویی با GPU
• 45. یادگیری عمیق برای تحلیل تصویر
• 46. شبکه‌های عصبی کانولوشنی (CNN)
• 47. پیاده‌سازی CNN با CUDA
• 48. شتاب‌دهی آموزش CNN با GPU
• 49. شتاب‌دهی استنتاج CNN با GPU
• 50. کتابخانه‌های پردازش تصویر موازی
• 51. کتابخانه OpenCV و قابلیت‌های موازی آن
• 52. کتابخانه cuDNN برای شبکه‌های عصبی
• 53. کتابخانه Thrust برای الگوریتم‌های موازی
• 54. کتابخانه Numba برای شتاب‌دهی پایتون
• 55. مفاهیم پیشرفته در پردازش موازی GPU
• 56. مدیریت حافظه مشترک (Shared Memory)
• 57. استفاده بهینه از حافظه مشترک
• 58. مدیریت حافظه سراسری (Global Memory)
• 59. بهینه‌سازی دسترسی به حافظه سراسری
• 60. مدیریت حافظه ثابت (Constant Memory)
• 61. مدیریت حافظه بافت (Texture Memory)
• 62. کاهش شاخه‌زنی (Branch Divergence)
• 63. مدیریت گروه نخ‌ها (Thread Blocks)
• 64. مدیریت شبکه‌ها (Grids)
• 65. استراتژی‌های موازی‌سازی برای عملیات نقطه به نقطه
• 66. استراتژی‌های موازی‌سازی برای عملیات محلی
• 67. استراتژی‌های موازی‌سازی برای عملیات جهانی
• 68. موازی‌سازی الگوریتم‌های مورفولوژیکی
• 69. موازی‌سازی الگوریتم‌های آستانه‌گذاری
• 70. موازی‌سازی الگوریتم‌های تغییر اندازه تصویر
• 71. موازی‌سازی الگوریتم‌های چرخش تصویر
• 72. موازی‌سازی الگوریتم‌های بهبود کنتراست
• 73. موازی‌سازی الگوریتم‌های حذف نویز
• 74. موازی‌سازی الگوریتم‌های تشخیص اشیاء
• 75. موازی‌سازی الگوریتم‌های ردیابی اشیاء
• 76. موازی‌سازی الگوریتم‌های تطبیق الگو
• 77. موازی‌سازی الگوریتم‌های بازسازی سه‌بعدی
• 78. موازی‌سازی الگوریتم‌های پردازش تصویر پزشکی
• 79. موازی‌سازی الگوریتم‌های پردازش تصویر ماهواره‌ای
• 80. موازی‌سازی الگوریتم‌های پردازش تصویر امنیتی
• 81. موازی‌سازی الگوریتم‌های پردازش تصویر صنعتی
• 82. موازی‌سازی الگوریتم‌های پردازش تصویر تعاملی
• 83. مباحث پیشرفته در معماری GPU
• 84. پردازش همزمان (Concurrency) در GPU
• 85. پردازش موازی نامتقارن (Asynchronous Parallelism)
• 86. مدل‌های برنامه‌نویسی ترکیبی
• 87. استفاده از OpenCL برای پردازش موازی
• 88. مقایسه CUDA و OpenCL
• 89. مباحث پیشرفته در CUDA
• 90. مدیریت رویدادها (Events) در CUDA
• 91. استفاده از Streams در CUDA
• 92. بهینه‌سازی پروفایلینگ (Profiling)
• 93. استفاده از ابزارهای پروفایلینگ NVIDIA
• 94. کاهش سربار (Overhead) در پردازش موازی
• 95. مدیریت خطاهای CUDA
• 96. امنیت در برنامه‌نویسی موازی GPU
• 97. کاربرد GPU در تحلیل تصویر بلادرنگ
• 98. مطالعه موردی: پردازش موازی در یک سیستم بینایی ماشین
• 99. مطالعه موردی: شتاب‌دهی تحلیل تصویر پزشکی با GPU
• 100. مطالعه موردی: پردازش موازی در رباتیک بینایی