قیمت 38,000 تومان 25,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
38,000 تومان 25,000 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
316 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت

رنگی سازی تصاویر و فیلم ها ؟

پیش از ورود عکاسی به دنیای رنگ‌ها، تصاویر گرفته‌شده تنها در رنگ‌های سیاه و سفید خلاصه می‌شد. درک رنگ‌های تبدیل‌شده به سیاه و سفید در این عکس‌ها برای کسانی که در آن زمان زندگی نکرده‌اند، بسیار دشوار و گاه غیر ممکن به نظر می‌رسد. تا به امروز تلاش‌های فراوانی برای رنگی کردن این عکس‌های سیاه و سفید انجام شده است؛ تا به حال با خود فکر کرده اید که فیلم‌های بسیار قدیمی که در سال‌های دور ساخته شده اند چطور رنگی و جذاب‌تر می شوند؟ به نظر می‌رسد که این کار کاری کسل‌کننده باشد که یک نفر مسئول آن باشد که صحنه به صحنه فیلمها را با رنگهای درست و دقیق رنگ‌آمیزی کند. برای سرعت بخشیدن به این کار راه حل خوبی ارائه شده‌است. این کار توسط کامپیوتر و با استفاده از نسخه دیجیتال فیلم صورت می گیرد. در واقع فیلم‌های قدیمی روی کامپیوتر افراد خبره اسکن می‌شود و این اشخاص هر صحنه فیلم را روی صفحه کامپیوتر مشاهده می‌کنند.  آنها در حالیکه نسخه اصلی فیلم نیز قابل مشاهده است رنگ‌های اصلی انتخاب شده برای هرپلان را وارد صفحه می‌کنند و در عین حال  نیز می توانند‌تغییرات ایجاد شده روی فیلم اصلی را ببینند و مطمئن شوند که رنگها روی آن فضای خاص به درستی انتخاب شده اند و وضوح صحنه تغییری نکرده باشد. این به آن معنی  است که این افراد تنها حدود 10 رنگ اصلی را برای فضاهای مختلف فیلم از طریق کامپیوتر وارد صحنه‌ها می‌کنند و وضوح و درستی تعمیم آن به دیگر پلان‌های شبیه به آن را به کامپیوتر می‌سپارند.

کاربردهای رنگی سازی تصویر و فیلم ؟

امروزه برای سریع‌تر شدن بیشتر راه حل دیگری نیز ارائه شده است که الحاق نام دارد. در این حالت چون معمولاً در هر پلان جابجایی اشیا و بازیگران زیاد نیست فرد خبره یک لحظه را رنگ کرده و کامپیوتر آن را به دیگر لحظات صحنه تعمیم می‌دهد. در  پروژه‌های هوش مصنوعی که در مورد رنگی کردن خودکار عکس‌های قدیمی سیاه و سفید است؛ پیشرفت‌هایی حاصل شده است. بیش از این، رنگی کردن عکس‌ها و فیلم‌ها تنها به صورت دستی و با نرم افزار‌هایی مانند فوتوشاپ انجام می‌گرفت. پژوهشگران دانشگاه برکلی در کالیفرنیا روشی هوشمندتر و بهینه‌تر برای این کار یافته‌اند. این گروه تحقیقاتی به سرپرستی ریچارد ژانگ، نرم‌افزاری مبتنی بر هوش مصنوعی توسعه‌ داده است که فرآیند رنگی سازی عکس‌ها را بهبود می‌بخشد.محققان با هوش مصنوعی، رنگ آمیزی تصاویر سیاه و سفید را به صورت کاملاً خودکار امکان پذیر کرده‌اند. هوش مصنوعی دیگر به قدری پیشرفت کرده که قادر به انجام کار های شگفت انگیز در تمامی زمینه‌ها، مخصوصاً پردازش تصویر شده است. پژوهشگران از هوش مصنوعی برای طبقه بندی کامل تصاویر استفاده کردند و سپس به مشخص کردن بخش‌هایی از تصویر که نیاز به رنگ شدن داشتن پرداختند. تحقیقات قبلی در زمینه رنگ آمیزی خودکار تصاویر نیازمند انجام عملیات زیادی به صورت دستی بود. در روش‌های خودکار پیشین کاربر ملزم به ارائه یک تصویر مرجع شبیه به تصویر سیاه و سفید داشت تا عملیات به صورت خودکار انجام شود. یکی از این روش‌های قدیمی تنها قادر به رنگ آمیزی کامل گروه خاصی از تصاویر مانند عکس‌هایی از مناظر طبیعی بود. همین طور رنگ آمیزی‌ اکثر تصاویری که به گروه‌های دیگری ختم می‌شد به صورت کامل و تماماً دستی توسط نرم افزار‌های فوتوشاپ و افتر افکت انجام می گرفت. اما در تحقیقات اخیر، محققان نشان دادند که روش جدید آن‌ها قادر به رنگ آمیزی اکثر تصاویر سیاه و سفید  است. آن‌ها برای اثبات ادعای خود گروهی از عکس‌های سیاه و سفید از موضوعات مختلف را رنگی کردند. در اکثر پروژه‌ها عملکرد خوبی دیده می‌شود، اما همچنان ضعف‌هایی دیده می‌شود. زیرا رنگ صحیح اجسام درون تصویر را نمی‌توان به صورت مستقیم از تصویر سیاه و سفید به دست آورد؛ بنابراین هوش مصنوعی باید قادر باشد تا نوع و رنگ اجسام را از طریق یادگیری ماشینی که از چند میلیون عکس رنگی به دست آورده است، حدس بزند. از این شیوه برای رنگ آمیزی خودکار فیلم‌های سیاه و سفید قدیمی به صورت فریم به فریم نیز می‌توان استفاده نمود. در این روش فیلم به هزاران عکس تبدیل می‌شود و سپس هر عکس در طی پروسه‌ای رنگی می‌شوند و در آخر دوباره برای تبدیل به فیلم، به یک دیگر چسبیده می‌شوند.

رنگی سازی تصاویر با یادگیری عمیق ؟

شبکه های عمیق کاربرد زیادی در زمینه های مختلف دارند و نتایج خیلی خوبی را تولید می کنند. یکی از زمینه های که یادگیری عمیق توانسته نتایج شگفت آوری را تولید کند در بحث رنگی سازی فیلم و تصاویر قدیمی یا سیاه سفید است که ابن کار به صورت دستی خیلی طاقت فرسا و غیرممکن است. الگوریتم های هوشمند قدیمی توسط انسانها طراحی شده اند. این سیستم ها چه در صورتی که خوب طراحی شده باشند و چه برعکس، تا حد زیادی وابسته به تجربه و حتی شانس هستند و این فرآیند نیازمند زمان بسیار زیادی است. بنابراین آیا میتوان با این ماشین ها کاری کرد که به صورت خودکار برخی از این ویژگی ها را یاد بگیرند؟ بله! در واقع این کار هدف هوش مصنوعی (AI﴾ است.در دو سال گذشته، تکنولوژی یادگیری عمیق در زمینه هایی چون تشخیص صدا، بینایی رایانه ای یا کامپیوتر، ترجمه صوتی و بسیاری موارد دیگر به خوبی ظاهر شده است. این تکنولوژی در زمینه هایی چون تایید چهره و طبقه بندی تصاویر از قابلیت های انسانی نیز پیشی گرفته است؛ از این رو برای صنعت امنیت در زمینه هایی چون نظارت ویدئویی که کاربری هایی چون تشخیص چهره، تشخیص خودرو، تشخیص ویژگی بدن انسانی، دنباله روی چندین سوژه مختلف و سایر موارد را شامل میشود، به یادگیری عمیق توجه زیادی میشود.طرح تکنولوژی یادگیری عمیق از شبکه های عصبی مغز یک انسان الهام گرفته شده است. به مغز ما انسانها میتوان به چشم یک مدل یادگیری عمیق پیچیده نگاه کرد. شبکه های عصبی مغز متشکل از میلیاردها عصب به یکدیگر متصل هستند؛ یادگیری عمیق این ساختار را شبیه سازی میکند. این شبکه های چندلایه ای قادر به جمع آوری اطلاعات و انجام فعالیت های متناظر واز قابلیت تشخیص و بازآفرینی سوژه برخوردار هستند.یادگیری عمیق نیازی به مداخله دستی ندارد، ولی در عوض برای استخراج ویژگی ها وابسته به یک کامپیوتر است. بدین شکل یادگیری عمیق میتواند بیشترین تعداد ویژگی های ممکن را از سوژه موردنظر استخراج کند؛ ویژگی های غیرشهودی که برای توصیف دشوار یا غیرممکن هستند از جمله این ویژگی ها محسوب میشوند. هر چه تعداد ویژگی ها بیشتر باشد، امر شناسایی و تشخیص دقیقتر خواهد بود.  یادگیری عمیق به صورت ذاتی با الگوریتم های دیگر متفاوت است. نحوه ی حل و برطرف سازی عدم کفایت الگوریتم های سنتی توسط یادگیری عمیق در جنبه های ذیل گنجانده شده است.

هدف اصلی از این دوره آموزشی ؟

هدف اصلی از این پروژه استفاده از شبکه عمیق کانولوشنی برای رنگی سازی تصاویر و فیلم های سیاه و سفید با زبان برنامه نویسی پایتون می باشد. در این پروژه از شبکه عمیق برای پیاده سازی یک سیستم رنگ سازی تصویر استفاده می شود. پروژه خط به خط توضیح داده شده است و نکات پیرامون بحث گفته شده است. بدون شک یکی از بهترین پروژه های عمیق برای رنگی سازی تصاویر و فیلم های سیاه و سفید قدیمی است.

موارد موجود در این دوره آموزشی ؟

معرفی شبکه عمیق کانولوشنی ویدئو

پیش نمایش
خصوصی

معرفی نحوه رنگی سازی تصاویر ویدئو

خصوصی

کدنویسی شبکه عمیق کانولوشنی با keras ویدئو

خصوصی

نحوه ایجاد لایه ها ویدئو

خصوصی

نحوه ایجاد مدل ویدئو

خصوصی

تغییر ابعاد و نرمال سازی داده ها ویدئو

خصوصی

نحوه تنظیم پارامترهای مدل ویدئو

خصوصی

آموزش شبکه عمیق ویدئو

خصوصی

تعیین داده های اموزشی و تست ویدئو

خصوصی

کدنویسی شبکه عمیق برای رنگی سازی تصویر ویدئو

خصوصی

کدنویسی شبکه عمیق برای رنگی سازی ویدئو ویدئو

خصوصی

گرفتن خروجی شبکه برای رنگی سازی تصویر ویدئو

خصوصی

گرفتن خروجی شبکه برای رنگی سازی ویدئو ویدئو

خصوصی

معرفی Google Colab برای اجرای پروژه پایتون روی GPU گوگل ویدئو

خصوصی

کدهای کامل پروژه و توضیح کامل ویدئو

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

پردازش زبان طبیعی (فارسی و انگلیسی ) با پایتون

پردازش زبان طبیعی (NLP) پردازش زبان طبیعی (NLP)  برای پردازش و درک داده‌های طبیعی مبتنی بر زبان است که در…
رایگان!

انتخاب ویژگی با یادگیری عمیق

انتخاب ویژگی با یادگیری عمیق این دوره در حال اماده سازی در صورتی که تمایل به اگاهی از آن دارید،…

رایگان!

حاشیه نویسی تصاویر با یادگیری عمیق

حاشیه نویسی تصاویر ؟ در دنیای حاضر با گسترش سریع داده ها، اطلاعات زیادی در بستر وب در حال جریان…
40,000 تومان 25,000 تومان

توصیف تصاویر با یادگیری عمیق

توصیف تصاویر ؟ تصاویر همواره بخش مهمی از اخبار و مطالب در دنیای مجازی به شمار می آیند. استخراج اطلاعات…
40,000 تومان 30,000 تومان

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.

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