یکی از کاربردهای حوزه شبکه عصبی، تشخیص اشیا (Object Detection) است که یک تکنیک بینایی رایانه‌ای برای پیدا کردن یک یا چند شی خاص در تصاویر و یا ویدئو است. الگوریتم‌های یادگیری ماشین از روش‌های محاسباتی برای یادگیری اطلاعات مستقیم از داده‌ها بدون اتکا به یک معادله از پیش تعیین شده به عنوان یک مدل استفاده می‌کنند. تشخیص اشیا کاربردهای فراوانی در حوزه‌های مختلف دارد. به عنوان مثال: قابلیت تشخیص پلاک خودروها توسط دوربین‌های راهنمایی و رانندگی، تشخیص چهره، رانندگی خودکار، تشخیص مسیر، تشخیص عابران پیاده و... نمونه‌ای از کاربرد تشخیص اشیا است.
آموزش تشخیص و شناسایی اشیا با شبکه های عصبی در متلب MATLAB
ایشان در زمان دانشجویی به عنوان مدرس دروس تخصصی در دانشگاه هوایی انتخاب شده و از سال 1394 در دانشگاه مشغول به تدریس هستند. همچنین در زمینه پردازش تصویر و پردازش سیگنال دارای مقاله‌های علمی – پژوهشی متعددی هستند.
توضیحات تکمیلی
شبکه عصبی یک شبکه متشکل از نورون‌ها یا گره‌های مصنوعی است که ساخت این شبکه‌ها از ساختار مغز انسان الگو گرفته شده است. شبکه مصنوعی ممکن است برای مدل‌سازی پیش‌گویانه، کنترل تطبیقی و برنامه‌های کاربردی مورد استفاده قرار گیرد که برای انجام این امور به آموزش داده نیاز دارد. یادگیری عمیق (Deep Learning) شاخه‌ای از یادگیری ماشین است به طوری که به کامپیوترها آموزش می‌دهد تا آنچه را که به طور طبیعی به انسان‌ها مربوط می‌شود، انجام دهند.
یکی از کاربردهای حوزه شبکه عصبی، تشخیص اشیا (Object Detection) است که یک تکنیک بینایی رایانه‌ای برای پیدا کردن یک یا چند شی خاص در تصاویر و یا ویدئو است. الگوریتم‌های یادگیری ماشین از روش‌های محاسباتی برای یادگیری اطلاعات مستقیم از داده‌ها بدون اتکا به یک معادله از پیش تعیین شده به عنوان یک مدل استفاده می‌کنند.
انسان‌ها با اندک زمان نگاه کردن به یک تصویر یا ویدئو قادر به تشخیص یک شی خاص در آن هستند اما در کارهای صنعتی و بزرگ این امر همراه با خطا است. تشخیص اشیا به کمک ماشین‌ها توسط روش‌هایی همچون: R-CNN, Fast R-CNN Faster R-CNN, YOLO و SSD قابل پیاده‌سازی است. استفاده از تشخیص اشیا در ماشین‌ها سرعت و دقت کارها را بالا می‌برد و باعث به حداقل رساندن خطای انسانی می‌گردد.
تشخیص اشیا کاربردهای فراوانی در حوزه‌های مختلف دارد. به عنوان مثال: قابلیت تشخیص پلاک خودروها توسط دوربین‌های راهنمایی و رانندگی، تشخیص چهره، رانندگی خودکار، تشخیص مسیر، تشخیص عابران پیاده و... نمونه‌ای از کاربرد تشخیص اشیا است.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- فصل یکم: معرفی شبکه عصبی
- درس یکم: شبکه عصبی
- درس دوم: شبکه‌های Pretrained
- درس سوم: آشنایی با محیط نرم‌افزار متلب
- فصل دوم: دسته‌بندی تصاویر با CNN
- درس چهارم: بررسی توان پردازشی GPU جهت کار با CNN
- درس پنجم: اضافه‌کردن تولباکس GoogLeNet و VGG16 در متلب
- درس ششم: پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری‌های VGG16, ResNet-50 - بخش یکم
- درس هفتم: پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری‌های VGG16, ResNet-50 - بخش دوم
- درس هشتم: داده‌های آموزش Datasets
- درس نهم: پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری دلخواه - بخش یکم
- درس دهم: پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری دلخواه - بخش دوم
- فصل سوم: تشخیص اشیا به کمک CNN
- درس یازدهم: تشخیص اشیا (Object Detection)
- درس دوازدهم: برچسب‌گذاری Ground Truth Labeling تصاویر
- درس سیزدهم: پیاده‌سازی روش R-CNN در نرم‌افزار متلب - بخش یکم
- درس چهاردهم: پیاده‌سازی روش R-CNN در نرم‌افزار متلب - بخش دوم
- درس پانزدهم: پیاده‌سازی روش R-CNN در نرم‌افزار متلب - بخش سوم
- درس شانزدهم: پیاده‌سازی روش Faster R-CNN در نرم‌افزار متلب
- درس هفدهم: پیاده‌سازی روش Faster R-CNN - بخش یکم
- درس هجدهم: پیاده‌سازی روش Faster R-CNN - بخش دوم
- فصل چهارم: تشخیص اشیا با سایر روش‌ها
- درس نوزدهم: معرفی روش Single Shot Detector و You Only Look Once
- درس بیستم: پیاده‌سازی روش SSD در نرم‌افزار متلب - بخش یکم
- درس بیست‌ویکم: پیاده‌سازی روش SSD در نرم‌افزار متلب - بخش دوم
- درس بیست‌ودوم: پیاده‌سازی روش YOLO در نرم‌افزار متلب - بخش یکم
- درس بیست‌وسوم: پیاده‌سازی روش YOLO در نرم‌افزار متلب - بخش دوم
- درس بیست‌وچهارم: جمع‌بندی
مفید برای
- مهندسی کامپیوتر - هوش مصنوعی
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
شبکه عصبی
۲.
شبکه‌های Pretrained
۳.
آشنایی با محیط نرم‌افزار متلب
۴.
بررسی توان پردازشی GPU جهت کار با CNN
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵.
اضافه‌کردن تولباکس GoogLeNet و VGG16 در متلب
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶.
پیاده‌سازی دسته‌بندی تصویر در متلب با معمارهای VGG16, ResNet-50 - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷.
پیاده‌سازی دسته‌بندی تصویر در متلب با معمارهای VGG16 ResNet-50 - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸.
داده‌های آموزش Datasets
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹.
پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری دلخواه - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰.
پیاده‌سازی دسته‌بندی تصویر در نرم‌افزار متلب با معماری دلخواه - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
راهنمای سفارش آموزش‌ها
.svg)
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
| نام آموزش | آموزش تشخیص و شناسایی اشیا با شبکه های عصبی در متلب MATLAB |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۸۰۸۲۵ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | FVMA0061 |
| مدت زمان | ۴ ساعت و ۲۷ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۱۰۰۵ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات
آموزش خوبیه و خیلی چیزها یاد میگیرید
امیدوارم مباحث پیشرفته تر مثل yolo و export کردن شبکه آموزش داده شده و استفاده در سایر محیط ها هم ، در آموزش دیگری ادامه پیدا کنه
واقعا خیلی عالی، خیلی دنبال این آموزش بودم. ممنون از سایت فرادرس.