قیمت 100,000 تومان 39,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
100,000 تومان 39,000 تومان
ویژگی های دوره
place
نوع دوره: غیر حضوری
local_library
سطح دوره: فوق حرفه ای
traffic
پیش نیاز: پایتون
language
زبان: فارسی
access_time
ویدئویی (کیفیت HD)
playlist_add_check
ناشر : بیگ لرن
storage
557 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت
card_membership
ساده و قابل فهم

استخراج ویژگی ؟

هدف استخراج ویژگی این است که داده‌های خام به شکل قابل استفاده‌تری برای پردازش‌های آماری بعدی درآیند. انجام استخراج ویژگی فرایند بسیار متداول‌ای در انواع مختلف پردازش داده‌ها چون پردازش تصویر، پردازش صوت و غیره است.استخراج ویژگی یعنی انتخاب ویژگی که بتوان با اطلاعات اندک ،تصویر را توصیف کنیم این ویژگی ها باید دارای خصوصیاتی باشند بطوریکه بتوان با مجموعه ای از این ویژگی ها هر هر تصویر به  منحصر بفرد توصیف گردد. مثلا در تصویر چهره افراد فاصله بین دو ابرو یک ویژگی مناسب است که باید استخراج شود. اگر مجموعه ای از این ویژگی ها برای دو نمونه یکسان باشند آنگاه در بخش طبقه بندی با هیچ کلاسیفیری قادر به متمایز کردن دو نمونه از هم نخواهید بود. دلیل اصلی از استخراج ویژگی از تصاویر: ساده سازی تصویر- کاهش زمان و حافظه پردازش – افزایش دقت و کارئی

پس استخراج ویژگی: فرایندی است که در آن داده‌ها در فضای با بعد بالا به فضای با بعد کمتر نگاشت می‌شوند. این نگاشت می‌تواند خطی (مانند روش تحلیل مؤلفه‌های اصلی) یا غیر خطی باشد. اینکه چطور این ویژگی ها را انتخاب کنیم نیاز به بررسی خواص داده دارد و برای استخراجش آن باید عملیات پیش پردازشی و انواع فیلتر ها را برروی تصویر اعمال می کنند تا تصویر به اطلاعات مطلوب تبدیل شه.

روشهای کاهش ابعاد داده به دو دسته تقسیم می­شوند:

  • روشهای مبتنی بر استخراج ویژگی: این روشها یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می­کنند. در واقع با ترکیب مقادیر ویژگیهای موجود، تعداد کمتری ویژگی بوجود می­آورند بطوریکه این ویژگیها دارای تمام (یا بخش اعظمی از) اطلاعات موجود در ویژگیهای اولیه باشند. این روشها به دو دسته­ی خطی و غیر خطی تقسیم می­شوند.
  • روشهای مبتنی بر انتخاب ویژگی: این روشها سعی می­کنند با انتخاب زیرمجموعه­ای از ویژگیهای اولیه، ابعاد داده­ها را کاهش دهند. در پاره­ای از اوقات تحلیلهای داده­ای نظیر طبقه­بندی برروی فضای کاسته شده نسبت به فضای اصلی بهتر عمل می­کند.

در روشهای مبتنی بر استخراج ویژگی یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می­دهند. این روشها به دو دسته­ی خطی و غیرخطی تقسیم می­شوند. روشهای خطی که ساده ­ترند و فهم آنها راحت­ تر است بدنبال یافتن یک زیرفضای تخت عمومی هستند. اما روشهای غیرخطی که مشکل ترند و تحلیل آنها سخت­ تر است بدنبال یافتن یک زیرفضای تخت محلی می­باشند.کاربردهای زیرا دارد:

  • بازیابی تصاویر
  • بینایی رایانه‌ای
  • تصویربرداری پزشکی از جمله از سی‌تی اسکن و تصویر برداری رزونانس مغناطیسی.
  • تعیین محل تومور و دیگر بیماری‌های
  • اندازه‌گیری حجم بافت
  • برنامه‌ریزی برای عمل جراحی
  • شبیه سازی جراحی مجازی
  • موقعیت یابی در جراحی
  • تشخیص عابر پیاده
  • تشخیص چهره
  • تشخیص ترمز نور
  • مکان یابی اشیاء در تصاویر ماهواره‌ای تشخیص اثر انگشت
  • تشخیص عنبیه
  • سیستم‌های کنترل ترافیک
  • نظارت ویدئویی

استخراج ویژگی ها با روش های یادگیری عمیق ؟

يادگيری عميق عبارت است از ساخت مدلهای يادگيری ماشين که برای يادگيری نمايشی سلسله مراتبی از دادهها به کار میروند. شبكههای عصبی عميق، مدل کلی برای مجموعهای از شبكههای عصبی با معماری چند لایه است که نشان میدهند چگونه شبكههای عصبی با تعداد زيادی از لایه ها میتوانند در ايجاد ساختارهای بازنمايی مورد نياز در يادگيری عميق موفق عمل کنند. الگوريتمهای يادگيریِ ويژگی به صورت با ناظر و بدون ناظر میتوانند در تنظيم وزنهای اين شبكهها به کار گرفته شوند. در سال‌های اخیر یادگیری عمیق تحول اساسی در الگوریتم‌های یادگیری ماشین ایجاد کرده و موفقیت‌های چشم‌گیری داشته است. این موفقیت‌ها باعث می‌شود که امید برای پیدا کردن یک چارچوببر مبنای یادگیری عمیق برای سیستم‌های مختلف بالا برود. هدف از پیاده‌سازی چارچوب این است که ماشین به جای اینکه ویژگی‌های کمی را با کمک انسان پیدا کند، بتواند ویژگی‌های زیادی بدون کمک انسان و با استفاده از دامنه دانش خود پیدا کند. چالش اصلی در هنگام استفاده از تصاوير، استخراج ويژگیهای مناسب از آنها با هدف کاهش ابعاد ورودی میباشد. برای اين منظور در اين مجموعه آموزشی از يادگيری عميق بهرهبرداری شده و ويژگیهای مناسبی بدست میآيند که بازنمايی تصاوير هستند. استخراج ویژگی‌های می‌تواند از قابلیت‌های مختلف عکس مثل ساختار رنگ‌ها ، بافت تصویر و … باشد. اما مشکل اصلی در این است که اطلاعات ساده که توسط کامپیوتر بررسی می‌شود با مفاهیم عمیقی که انسان از عکس برداشت میکند فاصله‌های زیادی دارد. الگوریتم‌های یادگیری ماشین روشی برای کم کردن این فاصله است.

هدف از این دوره آموزشی ؟

روش ها ي مختلفي براي استخراج ويژگي هاي يك تصوير وجود دارد و همچنين، ويژگي ها ي مختلفي را بسته به كاربرد مي توان از تصاوير مورد نظر استخراج كرد. برخی ویژگیها براساس کاربرد مورد استفاده آنها، براي توصیف در زمینه‌هاي گوناگون بکار گرفته می شوند .  روشهاي استخراج ویژگی، اشیاء و تصاویر را پردازش میکند و ویژگی‌هاي نهایی که شامل اشیا و صفات آنهاست انتخاب میشود. تصاویر دنیای واقعی می توانند برای کاربردهای مختلفی به کار روند و در اکثر موارد ما نمی دانیم که چه ویژگی هایی برای کاربرد مورد نظر ما مناسب هستند. لذا در این پروژه برای استخراج ویژگی های متناسب با تابع هدف مساله از روش های مبتنی بر یادگیری عمیق استفاده می شوند که به صورت خودکار ویژگی هایی که مناسب هستند را برای ما تولید می کنند. در این دوره به صورت کامل استخراج ویژگی بحث می شود و نحوه استخراج ویژگی به صورت عمیق توضیح داده می شود و پیاده سازی می شود. روش استخراج عمیق آگاهانه توضیج و پیاده سازی می شود و پس از آن روش استخراج ویژگی عمیق ناآگاهانه توضیح داده شده و پیاده ساری می شود. همچنین دو روش استخراج ویژگی با روش های پردازش تصویر توضیح و پیاده سازی می شوند. داده های استفاده شده برای این الگوریتم دیتاست تصویر است که میتوانید هر نوع تصویری را جایگزین کنید و عملیات انتخاب ویژگی را با این کدها روی هر دیتاستی به صورت آسان انجام دهید.کدهای پروژه به زبان پایتون نوشته شده است و نحوه اجرای الگوریتم ها مرحله به مرحله توضیح داده شده است.پروژه قابلیت آموزش روی داده های دلخواه خودتان را دارد و می توانید عملیات استخراج ويژگي مورد نظر خود را با آن انجام دهید. بدون شک یکی از بهترین پروژه های عمیق برای استخراج ويژگي می باشد که با زبان فارسی و ساده و روان توضیح داده شده است. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.

موارد موجود در این دوره آموزشی ؟

معرفی استخراج ویژگی از تصاویر ویدئو

خصوصی

معرفی کاربردها و چالش های استخراج ویژگی ویدئو

خصوصی

معرفی روش های مقابله با مشکل افزایش ابعاد ویدئو

خصوصی

شرح انتخاب ویژگی - استخراج ویژگی - انتقال ویژگی ویدئو

خصوصی

فایده استخراج ویژگی و مدلسازی با استخراج ویژگی ویدئو

خصوصی

ویژگی های خوب برای استخراج کدامند ویدئو

خصوصی

راهکارهای استخراج ویژگی از تصاویر (پردازش تصویر - یادگیری عمیق) ویدئو

خصوصی

معرفی روش های محلی و سراسری استخراج ویژگی در پردازش تصویر ویدئو

خصوصی

چرا یادگیری عمیق برای استخراج ویژگی از تصاویر؟ ویدئو

خصوصی

روش های استخراج ویژگی با یادگیری عمیق ویدئو

خصوصی

استخراج ویژگی عمیق آگاهانه و پیاده سازی آن ویدئو

خصوصی

استخراج ویژگی عمیق ناآگاهانه و پیاده سازی آن ویدئو

خصوصی

نحوه آموزش به شبکه - ناآگاهانه ویدئو

خصوصی

نحوه آموزش به شبکه - آگاهانه ویدئو

خصوصی

قوانین یادگیری و نحوه ایجاد لیبل ها برای استخراج ویژگی عمیق ویدئو

خصوصی

معرفی Google Colab برای اجرای پروژه پایتون روی GPU گوگل ویدئو

خصوصی

استخراح ویژگی با VGG16 روی دیتاست ImageNet ویدئو

خصوصی

نحوه ایجاد لایه ها و مدل با کراس ویدئو

خصوصی

تغییر ابعاد و نرمال سازی داده ها ویدئو

خصوصی

نحوه تنظیم پارامترهای مدل ویدئو

خصوصی

آموزش شبکه عمیق برای استخراج ویژگی ویدئو

خصوصی

تعیین داده های آموزشی و تست ویدئو

خصوصی

استخراج ویژگی های عمیق از شبکه VGG16 ویدئو

خصوصی

ذخیره ویژگی های عمیق نهایی در فایل متنی ویدئو

خصوصی

ارزیابی ویژگی های عمیق استخراج شده ویدئو

خصوصی

کدهای پروژه و فیلم آموزش کامل دوره فایل های ضمیمه

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

آموزش کامل برنامه نویسی پایتون

پایتون چیست؟ یک محیط یکپارچه توسعه نرم‌افزار تفسیری، همه منظوره،  سطح بالا، شیءگرا، اِسکریپتی و متن باز است که توسط خیدو فان روسوم در سال ۱۹۹۱ در کشور هلند طراحی شده است.…
100,000 تومان 35,000 تومان

آموزش کامل پردازش ویدئو با پایتون

پردازش ویدئو (ویدئوکاوی) چیست؟ ویدئو یک داده چند رسانه ای پیچیده محسوب می شود که هم دارای تصویر (فریم)، ابعاد،…
300,000 تومان 89,000 تومان

آموزش کامل پردازش تصویر با پایتون

پردازش تصویر: بیش از ۹۰ درصد اطلاعات پیرامون ما به وسیله ی مشاهده صورت می پذیرد. با پیشرفت فناوری امکان…
70,000 تومان 39,000 تومان

آموزش یادگیری ماشین پیشرفته

در این آموزش مباحث پیشرفته و کاربردی یادگیری ماشین براساس جدیترین مقالات در قالب فیلم اموزش کامل اماده شده است.…

رایگان!

chat_bubble_outlineنظرات

  • rez

    سلام و درود بر شما من به دوره های بینایی ماشین .پردازش تصویر . یادگیری عیق . پردازش متن و ویدئوتون نیاز دارم
    ولی منتظر یه تخفیف هستم که بصورت جامع همشو بخرم
    شما تو این سایت تخفیف هم میدین

    • بیگ لرن(مدیریت)

      با سلام خدمت شما کاربر گرامی
      بله برای خرید گروهی تخفیف وجود دارد و به ازای خرید 4 دوره آموزشی، یکی از دوره های اموزشی (35 تومانی) براتون رایگان ارسال میشود.
      با تشکر

  • شاهین خان

    دستتون درد نکنه استاد عزیز. خیلی خوب بود.

  • هادی

    یکی از بهترین دوره هایی بود که دیدم. خیللللللی ممنون

  • ترانه

    خیلی خوب بود. دمتون گرم

  • نرگس

    عالی بود

قوانین ثبت دیدگاه

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