دیدگاه کاربران
بر اساس امتیاز 133 دانشجو
برای پیادهسازی پروژههای پردازش تصویر، تصاویر را بهبود دهید، ناحیهبندی کنید و اشیای آنها را تشخیص دهید.
آموزش پردازش تصویر
آموزش کار با ابزارهای پردازش تصویر
ورود به بازار کار پردازش تصویر
پیادهسازی پروژههای پردازش تصویر
36 ساعت ویدئو
1 فایل ضمیمه قابل دانلود
دسترسی مادامالعمر به محتوای دوره
پردازش تصویر (Image processing) روشی برای تبدیل یک تصویر به شکل دیجیتال و انجام برخی عملیات بر روی آن است. در ادامه به معرفی این دوره خواهیم پرداخت.
به زبان ساده میتوان گفت که پردازش تصویر دیجیتال (digital image processing) نوعی توزیع سیگنال بهحساب میآید که در آن ورودی یک تصویر است، مانند فریم ویدیو یا عکس و امکان دارد خروجی تصویر یا ویژگیهای مرتبط با آن تصویر باشد. معمولاً سیستم پردازش تصویر شامل کار روی تصاویر به عنوان سیگنالهای دو بعدی و در عین حال اعمال روشهای پردازش سیگنال از قبل تنظیم شده برای آنها است.
دوره آموزش رایگان پردازش تصویر مکتب خونه از مجموعه دورههای آموزش هوش مصنوعی، آموزش متلب و آموزش پردازش تصویر با هدف آموزش تکنیکهای پردازش تصویر در دانشگاه شهید بهشتی تهیه شده است. این دوره آموزشی شامل 29 جلسه بوده که در قالب 36 ساعت محتوای ویدیویی به کاربران ارائه خواهد شد. در این دوره آموزش مباحث زیر مورد بحث واقع خواهند شد:
پردازش تصویر یکی از دروس کاربردی هوش مصنوعی بهحساب میآید. پردازش تصویر و بینایی کامپیوتر دارای کاربردهای صنعتی بسیار زیادی است و هر جایی که چشم انسان کارایی دارد قابل استفاده خواهد بود. در این دوره آموزش پردازش تصویر ابتدا کمی راجع به نحوه تشکیل تصویر و پارامترهای یک دوربین بحث میشود، سپس روشهایی برای بهبود کیفیت تصویر و کاهش نویز مطرح میشوند همچنین تبدیلهای تصویر از جمله تبدیل فوریه و تبدیل موجک (Wavelet) و کاربرد آنها در پردازش تصویر از جمله برای فشردهسازی تصویر (مانند jpeg) و بازیابی تصویر (فیلتر معکوس و فیلتر وینر) بررسی خواهند شد.
همچنین در ادامه این دوره رایگان پردازش تصویر نحوه استخراج شکلهای سادهای مانند خط و دایره از تصویر بحث میشوند. سپس، روشهای متداول برای ناحیه بندی تصویر از جمله آستانه گذاری سراسری Otsu و آستانه گذاری وفقی و رشد ناحیه و همچنین پردازشهای موروفولوژی بررسی خواهند شد.
دستهبندی تصویر موضوع دیگری است که در این دوره آموزش پردازش تصویر مورد بررسی قرار میگیرد. برای دستهبندی تصویر، ابتدا روشهای مهندسی ویژگی از جمله برخی از توصیفگرهای هندسی، توصیفگرهای رنگی و توصیفگرهای بافتی (مانند LBP) توضیح داده میشوند و بعد از آن وارد موضوع یادگیری ویژگی با استفاده از شبکههای کانولوشنی میشویم.
پس از معرفی مفاهیم پایه در حوزه شبکههای کانولوشنی، برخی از شبکههای کانولوشنی معروف از جمله VGG و ResNet را بررسی میکنیم، سپس برخی از شبکههای معروف برای ناحیه بندی معنایی از جمله UNet و چندین شبکه معروف برای تشخیص اشیاء از جمله RCNN، YOLO و RetinaNet را بحث میکنیم. در انتهای درس پردازش تصویر مقداری راجع به تولید تصویر با استفاده از شبکههای GAN صحبت میشود.
این دوره برای همه دانشجویان رشتههای مهندسی کامپیوتر و It و همه علاقهمندان به دانش هوش مصنوعی مناسب است.
دوره آموزش پردازش تصویر طی 29 جلسه و در دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ضبط شده و توسط تیم مکتب خونه در اختیار علاقهمندان قرار گرفته است.
بر اساس امتیاز 133 دانشجو
دکتر محمدرضا محمدی از سال 1396 استادیار گروه هوش مصنوعی دانشگاه علم و صنعت است. ایشان دروس متنوعی از جمله مبانی بینایی کامپیوتر، پردازش تصویر (تصویرپردازی رقمی)، یادگیری ماشین، مبانی یادگیری عمیق و یادگیری عمیق را ارائه کرده است. همچنین، در اجرای پروژههای صنعتی متعددی در حوزهی بینایی کامپیوتر همکاری داشته است.

آموزش رایگان پردازش تصویر