Deep Learning for computer vis

أضاف التعلم العميق دفعة كبيرة إلى مجال رؤية الكمبيوتر سريع التطور بالفعل. مع التعلم العميق ، تم تقديم الكثير من التطبيقات الجديدة لتقنيات رؤية الكمبيوتر وأصبحت الآن جزءًا من حياتنا اليومية. وتشمل هذه التعرف على الوجوه والفهرسة ، وأسلوب الصورة أو رؤية الآلة في السيارات ذاتية القيادة.

الهدف من هذا التطبيق هو تقديم المتحمسين للتعلم العميق إلى رؤية الكمبيوتر ، بدءًا من الأساسيات ثم الانتقال إلى نماذج التعلم العميق الأكثر حداثة. سيغطي التعلم العميق لتطبيق رؤية الكمبيوتر كلاً من التعرف على الصور والفيديو ، بما في ذلك تصنيف الصور والتعليقات التوضيحية ، والتعرف على الكائنات والبحث عن الصور ، وتقنيات اكتشاف الكائنات المختلفة ، وتقدير الحركة ، وتتبع الكائن في الفيديو ، والتعرف على الإجراءات البشرية ، وأخيرًا تصميم الصور والتحرير و جيل جديد من الصور. في مشروع الدورة التدريبية ، سيتعلم الطلاب كيفية بناء نظام التعرف على الوجوه والتلاعب به لفهم الآليات الداخلية لهذه التكنولوجيا ، والتي ربما تكون الأكثر شهرة وغالبًا ما تظهر في الأفلام والبرامج التلفزيونية مثال على رؤية الكمبيوتر والذكاء الاصطناعي.

الموضوع الرئيسي المحدد:

✔ ما هو التعلم العميق ؟.

✔ أساسيات الصورة.

✔ أساسيات تصنيف الصور.

✔ مجموعات البيانات الخاصة بتصنيف الصور.

✔ ضمان بيئة التطوير الخاصة بك

✔ إنشاء أول صورة من الدرجة الأولى.

✔ التعلم المعامل

طرق التحسين والتنظيم.

✔ أساسيات الشبكة العصبية.

✔ الشبكات العصبية التلافيفية.

✔ تدريب أول شبكة CNN الخاصة بك.

✔ حفظ وتحميل النماذج الخاصة بك

✔ LeNet: التعرف على الأرقام المكتوبة بخط اليد.

✔ MiniVGGNet: التعمق في شبكات CNN

✔ جدولة معدل التعلم.

✔ اكتشاف النقص والإفراط في التنقيط.

نماذج التدقيق.

✔ تصور معماريات الشبكة.

✔ مفاهيم وممارسات الرؤية الحاسوبية

✔ CNNs خارج منطقة الجزاء للتصنيف.

✔ الموضوعات الأساسية لبرمجة بايثون.

✔ مواضيع علوم البيانات أمثلة كود Python.

✔ تعلم الآلة مع أمثلة التعليمات البرمجية.