کتاب تشخیص اشیاء با استفاده از OpenCV
, ,

کتاب تشخیص اشیاء با استفاده از OpenCV

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000015579 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تشخیص اشیاء با استفاده از OpenCV

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر بینایی ماشین و کاربردهای آن
  • 2. تشخیص اشیاء: تعاریف و اهمیت
  • 3. نصب و راه‌اندازی محیط توسعه (Python, OpenCV)
  • 4. بارگذاری، نمایش و ذخیره تصاویر
  • 5. کار با ویدئو: ورودی دوربین و فایل
  • 6. مفاهیم پایه تصویر: پیکسل، کانال، رنگ
  • 7. تبدیل فضاهای رنگی (BGR, RGB, HSV, Gray)
  • 8. عملیات پایه بر روی تصویر: برش، تغییر اندازه، چرخش
  • 9. رسم اشکال هندسی و متن روی تصاویر
  • 10. رویدادهای ماوس و کیبورد در OpenCV
  • 11. آستانه‌گذاری (Thresholding) ساده و تطبیقی
  • 12. عملیات بیتی (Bitwise Operations) و ماسک‌گذاری
  • 13. فیلترهای هموارسازی (Smoothing): بلورینگ، گوسی، میانی
  • 14. فیلترهای شارپ‌سازی (Sharpening)
  • 15. تشخیص لبه (Edge Detection): سوبل، شاری، لاپلاسین
  • 16. تشخیص لبه با الگوریتم Canny
  • 17. عملیات مورفولوژی: فرسایش و انبساط
  • 18. عملیات مورفولوژی: باز کردن و بستن
  • 19. عملیات مورفولوژی: گرادیان و کلاه سیاه/سفید
  • 20. هیستوگرام تصاویر و تعدیل آن (Equalization)
  • 21. تبدیل فوریه گسسته (DFT) و کاربردهای آن
  • 22. تبدیل تصاویر از دامنه مکان به فرکانس
  • 23. هرم تصاویر (Image Pyramids): گوسی و لاپلاسین
  • 24. عملیات ریاضی بر روی تصاویر: جمع، تفریق، ترکیب
  • 25. یافتن و تحلیل کانتورها (Contours)
  • 26. مقدمه‌ای بر ویژگی‌های تصویر
  • 27. تشخیص گوشه: الگوریتم Harris
  • 28. تشخیص گوشه: الگوریتم Shi-Tomasi
  • 29. مفهوم توصیف‌گرهای ویژگی (Feature Descriptors)
  • 30. الگوریتم FAST برای تشخیص نقاط کلیدی
  • 31. توصیف‌گر BRIEF
  • 32. ویژگی‌های ORB (Oriented FAST and Rotated BRIEF)
  • 33. تطابق ویژگی‌ها (Feature Matching): Brute-Force
  • 34. تطابق ویژگی‌ها: FLANN (Fast Library for Approximate Nearest Neighbors)
  • 35. برآورد هموگرافی (Homography) و کاربردهای آن
  • 36. تطابق الگو (Template Matching)
  • 37. ردیابی شیء با Optical Flow (Lucas-Kanade)
  • 38. مقدمه‌ای بر استخراج ویژگی‌ها برای تشخیص شیء
  • 39. تشخیص چهره با Haar Cascades
  • 40. آموزش Haar Cascades سفارشی (مفاهیم)
  • 41. تشخیص اشیاء با HOG (Histogram of Oriented Gradients)
  • 42. طبقه‌بندی‌کننده SVM (Support Vector Machine) برای HOG
  • 43. تشخیص عابر پیاده با HOG + SVM
  • 44. تشخیص اشیاء با الگوی پنجره لغزان (Sliding Window)
  • 45. پس‌زمینه سازی (Background Subtraction): MOG2
  • 46. ردیابی شیء با Mean Shift
  • 47. ردیابی شیء با CamShift
  • 48. آنالیز اجزای متصل (Connected Component Analysis)
  • 49. مقدمه‌ای بر یادگیری ماشین در بینایی ماشین
  • 50. یادگیری با نظارت و بدون نظارت
  • 51. معرفی شبکه‌های عصبی مصنوعی (ANN)
  • 52. پرسپترون و توابع فعال‌سازی
  • 53. شبکه‌های عصبی چند لایه (MLP)
  • 54. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 55. معرفی شبکه‌های عصبی کانولوشنال (CNN)
  • 56. لایه‌های کانولوشن (Convolutional Layers)
  • 57. لایه‌های پولینگ (Pooling Layers)
  • 58. لایه‌های کاملاً متصل (Fully Connected Layers)
  • 59. معماری پایه CNN برای طبقه‌بندی تصویر
  • 60. مفهوم انتقال یادگیری (Transfer Learning)
  • 61. سیر تکامل روش‌های تشخیص شیء با یادگیری عمیق
  • 62. تشخیص شیء دو مرحله‌ای: R-CNN، Fast R-CNN (مفاهیم)
  • 63. معماری Faster R-CNN و شبکه‌های پیشنهاد منطقه (RPN)
  • 64. Anchor Boxes و RoI Pooling/Align در Faster R-CNN
  • 65. معرفی تشخیص شیء تک مرحله‌ای
  • 66. معماری YOLO (You Only Look Once) V1 و V2
  • 67. معماری YOLO V3 و Darknet
  • 68. بهبودهای YOLO V4
  • 69. خانواده YOLO V5 و استفاده از PyTorch
  • 70. معماری SSD (Single Shot MultiBox Detector)
  • 71. شبکه‌های هرمی ویژگی (Feature Pyramid Networks – FPN)
  • 72. RetinaNet و Focal Loss
  • 73. EfficientDet و کارایی
  • 74. انتخاب معماری مناسب برای تشخیص شیء
  • 75. ماژول DNN در OpenCV
  • 76. بارگذاری مدل‌های از پیش آموزش‌دیده Caffe در OpenCV DNN
  • 77. بارگذاری مدل‌های از پیش آموزش‌دیده TensorFlow در OpenCV DNN
  • 78. بارگذاری مدل‌های از پیش آموزش‌دیده PyTorch در OpenCV DNN
  • 79. پیاده‌سازی تشخیص اشیاء با مدل‌های YOLO در OpenCV
  • 80. پیاده‌سازی تشخیص اشیاء با مدل‌های SSD در OpenCV
  • 81. ساخت مجموعه داده و ابزارهای لیبل‌گذاری (LabelImg, CVAT)
  • 82. فرمت‌های bounding box (Pascal VOC, COCO, YOLO)
  • 83. تقسیم مجموعه داده (آموزش، اعتبارسنجی، تست)
  • 84. پیش‌پردازش داده‌ها و افزایش داده (Data Augmentation)
  • 85. تابع هزینه (Loss Function) در تشخیص شیء
  • 86. سرکوب غیرحداکثری (Non-Maximum Suppression – NMS)
  • 87. ارزیابی تشخیص شیء: Intersection over Union (IoU)
  • 88. ارزیابی تشخیص شیء: Precision، Recall و F1-Score
  • 89. ارزیابی تشخیص شیء: Mean Average Precision (mAP)
  • 90. آموزش یک مدل YOLO سفارشی (مراحل کلی)
  • 91. آموزش یک مدل SSD سفارشی (مراحل کلی)
  • 92. تنظیم هایپرپارامترها و جلوگیری از بیش‌برازش (Overfitting)
  • 93. بهینه‌سازی مدل برای استنتاج
  • 94. ردیابی اشیاء پس از تشخیص (Object Tracking) با SORT/DeepSORT
  • 95. تشخیص اشیاء در جریان‌های ویدئویی زنده
  • 96. چالش‌های تشخیص اشیاء کوچک و در محیط‌های شلوغ
  • 97. تشخیص اشیاء در شرایط نامطلوب (نور کم، مه)
  • 98. بهینه‌سازی و استقرار مدل‌ها بر روی دستگاه‌های لبه (Edge Devices)
  • 99. ملاحظات اخلاقی و سوگیری در بینایی ماشین
  • 100. آینده تشخیص اشیاء و روندهای جدید

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب تشخیص اشیاء با استفاده از OpenCV”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا