قیمت 100,000 تومان 35,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
100,000 تومان 35,000 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
586 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت
card_membership
ساده و قابل فهم

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 دوره آموزشی استفاده از شبکه های عمیق برای رنگی سازی تصاویر و فیلم های سیاه و سفید با زبان برنامه نویسی پایتون می باشد. در این دوره از سه مدل با شبکه عمیق برای پیاده سازی یک سیستم رنگ سازی تصویر استفاده می شود. ابتدا سیستم رنگی سازی و عملکرد آن کامل توضیح داده می شود و چالش ها و روش های ارائه شده برای آن توضیح داده می شود. در ادامه مدل اصلی و فضا ی رنگی استفاده شده مورد بحث قرار می گیرد و روند رنگی سازی براساس 3 مدل عمیق پیاده سازی می شود. نتایج حاصل از ارزیابی شبکه عمیق روی دو دیتاست معتبر مورد آزمایش قرار می گیرد و نتایج روی تصاویر و ویدئو کارائی بالایی دارد که شما می توانید هر نوع داده ایی را جایگزین کنید و با آن رنگی سازی تصویر یا ودئو موردنظر خودتون را انجام دهید.  پروژه قابلیت آموزش روی داده های دلخواه را دارد و می توانید تصاویر مدنظر خودتون رو به آن آموزش دهید. 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 تصویر و ویدئو 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 رنگی سازی تصویر و اهداف آن

خصوصی

کاربردهای رنگی سازی تصویر

خصوصی

چالش های رنگی سازی تصویر

خصوصی

معرفی روش های پردازش تصویر و یادگیری ماشین در رنگی سازی تصویر

خصوصی

معرفی فضای رنگی RGB و LAB برای رنگی سازی تصاویر

خصوصی

هدف اصلی در رنگی سازی تصویر

خصوصی

نحوه آموزش به شبکه عمیق در رنگی سازی تصویر

خصوصی

نحوه آموزش به شبکه با مدل رنگی Lab

خصوصی

آموزش به شبکه در فضای Lab

خصوصی

معرفی کامل مدل خودرمزنگار عمیق برای رنگی کردن تصاویر

خصوصی

انتقال رنگ از یک تصویر به تصویر دیگر

خصوصی

قوانین یادگیری و تابع خطا

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

معرفی ابزارهای پیاده سازی پروژه

خصوصی

معرفی مجموعه های داده ای برای رنگی سازی تصویر

خصوصی

پیاده سازی کامل مدل caffe عمیق برای رنگی سازی تصاویر و ویدئو

خصوصی

پیاده سازی کامل مدل کانولوشنی عمیق برای رنگی سازی تصاویر

خصوصی

پیاده سازی کامل مدل خودرمزنگار عمیق برای رنگی سازی تصاویر

خصوصی

نحوه آموزش مدل روی داده های دلخواه

خصوصی

تقسیم بندی داده ها به train و test

خصوصی

نرمال سازی و پیش پردازش تصاویر رنگی

خصوصی

ارزیابی شبکه روی داده های تست

خصوصی

ذخیره نتایج حاصل از رنگی سازی در فرمت های مختلف

خصوصی

تشریح خط به خط کدها

خصوصی

فیلم کامل آموزش دوره و سورس کدها 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

طبقه بندی متن با یادگیری عمیق

طبقه بندی متن چیست؟ طبقه بندی خودکار متون از موارد کاربرد الگوریتم های یادگیری ماشینی در مبحث بازیابی اطلاعات میباشد…
90,000 تومان 35,000 تومان

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!

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!

بازسازی و رفع نویز تصاویر با یادگیری عمیق

حذف نویز از تصاویر ؟ کاهش نویز یک فرآیند حذف نویز از سینگال است‌.این سیگنال می‌تواند مربوط به یک تصویر،…
100,000 تومان 35,000 تومان

chat_bubble_outlineنظرات

  • محمد امین

    بهترین دوره ای بود که دیدم. توانایی مدرس دوره در بیان مطالب پیچیده قابل تحسین است.

قوانین ثبت دیدگاه

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