آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر زینب قصابی
دکتر زینب قصابی

عضو گروه مدرسین فرادرس

دکترای تخصصی مهندسی کامپیوتر- هوش مصنوعی


دکتر زینب قصابی فارغ التحصیل دکترای مهندسی کامپیوتر با گرایش هوش مصنوعی می باشند. زمینه های فعالیت ایشان پردازش تصویر و بینایی ماشین می باشد. (+)



این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه باب ها و الگوریتم معروف SIFT، کد آنها و بهینه سازی آن روش ها برای تصاویر مختلف را بررسی می کند. کد الگوریتم SIFT از سایت Vedaldi دانلود شده است. روش های مبتنی بر ویژگی های محلی دارای جزییات مهمی هستند که عدم توجه به آنها منجر به عملکرد ضعیف این ایزار قدرتمند در حوزه های مختلف می شود.

👤 مدرس: دکتر زینب قصابی
🕓 مدت زمان: ۳ ساعت و ۴۸ دقیقه
🎓 تعداد دانشجو: ۲۸۸ نفر این آموزش را تهیه کرده اند.
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۱۳,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    استخراج و تطابق ویژگی های محلی همانند الگوریتم SIFT یا Scale Invariance Feature Transform، یک مبحث اساسی در بینایی کامپیوتر می باشد که کاربردهای زیادی در بازیابی تصاویر، شناسایی اشیاء، ثبت تصاویر و … دارد. اسلایدهای این فرادرس که بر اساس کتاب خانم دکتر Grauman تهیه شده است، در این خصوص کتاب معروف Visual object recognition را تألیف نموده اند.

    این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه باب ها و الگوریتم معروف SIFT، کد آنها و بهینه سازی آن روش ها برای تصاویر مختلف را بررسی می کند. کد الگوریتم SIFT از سایت Vedaldi دانلود شده است. روش های مبتنی بر ویژگی های محلی دارای جزییات مهمی هستند که عدم توجه به آنها منجر به عملکرد ضعیف این ایزار قدرتمند در حوزه های مختلف می شود. یادگیری و اشراف کامل به عملکرد آنها و آشنایی با مزیت ها و معایب این روش ها ، هم برای دانشجویانی که می خواهند بر روی توسعه این روش ها کار کنند و هم برای دانشجویانی که می خواهند متد پیشنهادی خود را با این تکنیکها مقابسه کنند، مفید است.

    هدف چیست؟

    هدف بررسی مباحث استخراج و انطباق ویژگی است که علاوه بر تئوری روشها، کد آنها و بهینه سازی روشها برای تصاویر مختلف پزشکی و ماهواره ای بررسی خواهد شد.

    اهمیت رسیدن به این هدف چیست؟

    داشتن دید وسیع و کاربردی از این تکنیکها در حوزه های متفاوت پردازش تصویر، میتواندد در امر انجام پایان نامه و ارایه نوآوری مفید واقع شود.

     

    سرفصل های این دوره شامل موارد زیر است:
    • چرا از ویژگیهای محلی استفاده میکنیم؟
    • معرفی و بررسی کد متلب گوشه یاب Moravec و Harris
    • معرفی و بررسی کد متلب منطقه یاب Harris-Laplas
    • معرفی و بررسی کد متلبSIFT
    • منطقه یابها
    • حذف تطابق های اشتباه

    نرم افزارهای مرتبط با آموزش

    MATLAB R2014a

    پیش نمایش

    پیش نمایش ۱: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - ۱۴ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۴ مگابایت (کلیک کنید +)


    پیش نمایش ۲: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - ۲۸ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۳۵ مگابایت (کلیک کنید +)


    پیش نمایش ۳: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - ۳۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی
    ناشر فرادرس
    شناسه اثر ۸-۱۲۴۵۲-۰۵۰۴۶۵ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش FVIMG9402
    مدت زمان ۳ ساعت و ۴۸ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۳۱۹ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزشها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۸۸۳۱۲۲۷۶ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی

    هزینه آموزش: ۱۳,۰۰۰ تومان




    سایر آموزش های دکتر زینب قصابی



    مطالب مرتبط


    دیدگاه ها

    ( امتیاز ۴٫۷ از ۵ )
    4.7 از 5


    تا کنون ۲۸۸ نفراز این آموزش استفاده کرده اند و ۱۳ نظر ثبت شده است.
    1. 5 از 5

      :

      با عرض سلام و خسته نباشید.
      موضوع پایان نامه فوق لیسانس من در حوزه tracking هست که بحث template matching یا تطابق قالب ،کار اصلی رو توی پایان نامه من انجام میده،فک کنم این بسته آموزشی بتونه به من کمک کنه،و اگر مبحث template matching که در حوزه ردیابی اشیاء یا بینایی ماشین کاربرد زیادی داره،همراه با مثال در فهرست آموزشی این بسته قرار بگیره خیلی خوب میشه.
      از سایت خوبتون نهایت تشکر رو دارم،من پیش از این (۲ سال پیش) بسته آموزش پردازش تصویر و تبدیل موجک رو از طریق سایت شما تهیه کردم، سودمند بود و از این حیث بازم سپاسگزار شما هستم.
      آرزوی توفیق و پیشرفت روز افزون شما رو دارم که ایشالله منجر به پیشرفت کشور عزیزمون ایران میشه.

      • 0 از 5

        :

        در پاسخ به رضا:
        با سلام؛

        ضمن تشکر از درج دیدگاه تان، پیشنهاد شما به هیئت علمی فرادرس منتقل می شود و در صورت امکان لحاظ خواهد شد.
        امیدواریم ارائه این بسته در راستای هدف شما و سایرین دانشجویان فرادرس باشد.

        از همراهی همیشگی شما متشکریم و منتظر دیدار دوباره شما در فرادرس هستیم.
        موفق و پیروز باشید

    2. 4 از 5

      :

      این آموزش را برای انجام پروژه ام تهیه کردم. برایم خوب بود. لطفا آموزش سیستم های خبره را تهیه کنید.

    3. 5 از 5

      :

      بسیار خوب بود و کیفیت خوبی داشت. این آموزش را برای یادگیری تهیه کردم اطلاعات جامعی به من داد.

    4. 4 از 5

      :

      در کل خوب بود و من برای تدریس از این کد استفاده کردم.

    5. 4 از 5

      :

      سلام و خسته نباشید. مطالبی که در رابط به استخراج ویژگی گفته شده بسیار خوب بود. من در کل راضی بودم و از این آموزش در تحقیقاتم بهره مند شدم.

    6. 5 از 5

      :

      عالی بود، این آموزش.

    7. 2 از 5

      :

      با سلام، یه سری مشکلاتی که داشتم رو پاسخ داد اما آموزش با زبان ساده نبود و بیشتر برای مرور مطالب یاد گرفته خوب بود، با سپاس از بررسی شما.

    8. 4 از 5

      :

      به نظر من در این آموزش تاکید بر بخش تئوری بیشتر است.

    9. 0 از 5

      :

      با سلام و تشکر از نظرات دانشجویان گرامی.

    10. 0 از 5

      :

      سلام .
      ممنونم از خانم دکتر قصابی خیلی عالی توضیح داده بودند مفاهیم را.
      امیدوارم بازهم بتونند ویدئوهای آموزشی دیگری راهم تهیه کنند و در اختیارمون قرار بدهند.

    11. 4 از 5

      :

      ممنون به خاطر شیوایی و روانی مطالب و نحوه تدریس به دلیل اینکه با توجه به کمبود منابع در این حوزه و عمدتا لاتین بودن لذا فهم سریع مطالب با توجه به زمان بسیار مطلوب هست لذا آرزوی موفقیت در این حوزه را برای مجموعه فرادرس دارم و امیدوار م در حوزه های دیگر هم بتوانند ورود کنند.

    12. 0 از 5

      :

      با تشکر از این مطالب آموزشى عالى که توسط خانم دکتر قصابى ارائه شده، مثل مطالب قبلى ایشون عالى کاربردى و مفید بود.

    13. 5 از 5

      :

      مطالب بسیار مفید را از این آموزش دریافت کردم . با تشکر از خانم دکتر قصابی و تیم خوب فرادرس.

    14. 5 از 5

      :

      این اموزش مثل بقیه مطالب اموزشی شما مفید بود برای من. تشکر فراوان از شما خانم دکتر قصابی.

    15. 4 از 5

      :

      با سلام و تقدیم احترام…

      من این مجموعه ی آموزشی رو جدیدا خریداری کرده ام. مفاهیم اساسی و مطالبی که باید آموزش داده بشه، پوشش داده شده و موضوعات آموزشی بسیار کاربردی هستند. مدرس این مجموعه هم خانم دکتر قصابی از چهره های شناخته شده در حوزه ی پردازش تصویر هستند و از ایشون به خاطر ارائه ی تجربیات علمی شان در این مجموعه کمال تشکر رو می کنم.

      انتقادی که به این فرادرس وارد است سرعت ارائه ی مطالب توسط مدرس و استفاده از واژگان و اصطلاحات انگلیسی در حین تدریس هست.

      از نظر بنده این مجموعه ی آموزشی در سطح بسیار خوب هست و از ۵ ستارهT به این مجموعه ۴ ستاره می دم و از خرید این فرادرس راضی هستم.

      با سپاس مجدد…

    16. 0 از 5

      :

      از ارائه بسیار خوب خانم دکتر قصابی سپاسگزارم.

    17. 5 از 5

      :

      این آموزش بهترین منبع آموزشی در زمینه ویژگی ها ی محلی و استخراج آنها است. من در فروم های مختلف زیاد جستجو کردم اما همش وقت تلف کردن بود. ممنون از خانم دکتر قصابی.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی

هزینه آموزش: ۱۳,۰۰۰ تومان



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دسته های مرتبط:



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان