مهندسی بینایی ماشین (Machine Vision Engineering) چیست؟ مهندسی بینایی ماشین یک حوزه از علوم کامپیوتر و مهندسی است که به کاربرد روشهای هوش مصنوعی و پردازش تصویر برای تشخیص، تحلیل و تفسیر تصاویر و ویدئوها میپردازد. به طور خاص، مهندسین بینایی ماشین با استفاده از الگوریتمهایی که در زمینه هوش مصنوعی و یادگیری ماشینی توسعه مییابند؛ تلاش میکنند. پایتورچ چیست؟ PyTorch یک کتابخانه متنباز برای یادگیری ماشین و یادگیری عمیق است که در زبان برنامهنویسی پایتون پیادهسازی شده است. این کتابخانه توسط تیم تحقیقاتی Facebook AI Research (FAIR) توسعه داده شده است و به عنوان یکی از محبوبترین کتابخانههای یادگیری عمیق در صنعت و آکادمی شناخته میشود. پایگاه داده COCO چیست؟ پایگاه داده COCO مخفف عبارت «پیوستهی شناسایی اشیا، برچسبگذاری و تفکیک داده» است که یک پایگاه داده بزرگ برای تشخیص اشیا در تصاویر است. این پایگاه داده شامل بیش از 330000 تصویر از 80 دسته اشیا مختلف است که به طور دقیق برچسبگذاری شدهاند. برچسبهای داده شده شامل اطلاعاتی مانند محل و اندازه اشیا در تصویر، شکل آنها و همچنین تعداد اشیای موجود در هر تصویر است. اهمیت یادگیری بینایی ماشین با پایتورچ چیست؟ در سالهای اخیر کتابخانههای متعددی برای پیادهسازی مدلهای یادگیری عمیق ارائه شدند. یکی از مزیتهای اصلی پایتورچ، پایتونیک بودن آن است که یادگیری و اشکالزدایی آن را سادهتر میکند و از این رو مورد اقبال توسعهدهندگان پایتون، زبان بسیار محبوب بین مهندسین یادگیری عمیق و متخصصین داده است. بنابراین پایتورچ بین طیف وسیعی از توسعهدهندگان مورد توجه است به طوری که بسیاری از دانشگاههای سراسر دنیا اقدام به برگزاری دورههای آموزشی پایتورچ کردهاند. تشخیص اشیا یکی از مهمترین مسائل بینایی ماشین است که اهمیت آن در کاربرد آن برای ماشینهای خودران، کاربردهای پزشکی، مسائل امنیتی و سایر مسائل روزمره و صنعتی است. کوتاه سخن این که یادگیری به صورت پروژهمحور در درک مفاهیم و یادگیری الگوها و دستورالعملهای پایتورچ اهمیت شایانی دارد. در این فرادرس چه چیزی یاد میگیریم؟ در این فرادرس نگاهی داریم بر مراحل آمادهسازی و نصب پیشنیازهای لازم، سپس به معرفی مختصری از پایگاه داده COCO و نحوه دسترسی به آن پرداخته میشود؛ علاوه بر آن مراحل تعریف کلاس پایگاه داده از دادههای COCO و آمادهسازی و پیشپردازش داها انجام میگیرد و برای هر کدام از مراحل در این قسمت تصاویری نمونه که در آن اشیا با مربعهای رنگی محدود نشان داده میشود. در انتها، مدل آموزش ایجاد میشود و تابعی ترکیبی از توابع زیان و بهینهسازی تعریف میشود. آموزش با مدل برای دادههای آموزش و ارزیابی پیگیری و در نهایت به توسعه و تست مدل روی تصاویر آزمون پرداخته میشود.
آموزش مدل سازی سه بعدی با تری دی مکس 3ds Max – تکمیلی
تومان8,150,000
آموزش زبان تخصصی شیمی + جامع و کاربردی
تومان2,950,000
آموزش پروژه محور بینایی ماشین با پایتورچ – تشخیص اشیا در PyTorch با پایگاه داده COCO + گواهینامه
تومان2,850,000
دسته: زبانهای برنامهنویسی

دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.