تعداد دانشجو
۶۰۰ نفر
هزینه آموزش
۱۹,۰۰۰ تومان

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

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

تعداد دانشجو
۶۰۰ نفر
مدت زمان
۳ ساعت و ۴۸ دقیقه
هزینه آموزش
۱۹,۰۰۰ تومان
محتوای این آموزش
۲۰ بازخورد (مشاهده نظرات)
آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی

چکیده

این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه یاب ها و الگوریتم معروف SIFT، کد آن ها 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 آن ها منجر به عملکرد ضعیف این ابزار قدرتمند در حوزه های مختلف می شود.

مدرس
دکتر زینب قصابی

دکتری 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.

توضیحات تکمیلی

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 اشیا، ثبت تصاویر و … دارد. اسلاید های این فرادرس که بر اساس کتاب خانم دکتر Grauman تهیه شده است، در این خصوص کتاب معروف Visual object recognition را تالیف نموده اند.

این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه یاب ها و الگوریتم معروف SIFT، کد آن ها 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 آن ها منجر به عملکرد ضعیف این ابزار قدرتمند در حوزه های مختلف می شود. یادگیری و اشراف کامل به عملکرد آن ها 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 تکنیک ها مقایسه کنند، مفید است.

هدف چیست؟

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

اهمیت رسیدن به این هدف چیست؟

داشتن دید وسیع و کاربردی از این تکنیک ها در حوزه های متفاوت پردازش تصویر، می تواند در امر انجام پایان نامه و ارائه نوآوری مفید واقع شود.

سرفصل های این دوره شامل موارد زیر است:
  • چرا از ویژگی های محلی استفاده می کنیم؟
  • 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 یاب ها
  • حذف تطابق های اشتباه
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

MATLAB R2014a



پیش نمایش‌ها

۱. آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - بخش یکم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۴ مگابایت -- (کلیک کنید +))

۲. آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - بخش دوم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۳۴ مگابایت -- (کلیک کنید +))

۳. آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش 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 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 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 ویدیویی (لینک دانلود)
حجم دانلود ۳۴۵ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۶۰۰ نفر از این آموزش استفاده کرده اند و ۲۰ نظر ثبت شده است.
مهدی
مهدی

سلام. ممنون بابت این آموزش
کاش میشد کد های الگوریتم sift را در ویژوال استودیو و C++ زده میشد.

سید مصطفی
سید مصطفی

به نظرم عدم تسلط بر موضوع به چشم می خورد و ننوشتن کد از نقاط ضعف اون بود و استفاده از منابع خوب، از نقاط قوت اون بود.

آموزش ها بعضی خوبن و بعضی خوب نیستند بعضی اساتید قصد کش دادن موضوع را دارند.

در کل با توجه به نقاط قوت و ضعف، فرادرس خوب عمل کرده.

هانیه ملکی
هانیه ملکی

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.

amin
amin

از ارائه بسیار خوب خانم دکتر قصابی سپاسگزارم.


حامد
حامد

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 5 ستارهT به این مجموعه 4 ستاره می دم و از خرید این فرادرس راضی هستم.

با سپاس مجدد...

اصولی
اصولی

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

سروین
سروین

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

ترابى
ترابى

با تشكر از اين مطالب آموزشى عالى كه توسط خانم دكتر قصابى ارائه شده، مثل مطالب قبلى ايشون عالى كاربردى و مفيد بود.

عادل
عادل

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.

رسول زاده
رسول زاده

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.

قصابی
قصابی

با سلام و تشکر از نظرات دانشجویان گرامی.

مسعودی راد
مسعودی راد

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

سیما
سیما

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.

موسی
موسی

عالی بود، این آموزش.

عطا حسینی
عطا حسینی

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.

قیومی زاده
قیومی زاده

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

موسی حسن زاده
موسی حسن زاده

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

گلشن
گلشن

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

رضا
رضا

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 (2 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.

روابط عمومی
روابط عمومی

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

پاسخ به نظر

دسته‌بندی موضوعی: پردازش تصویر و سیگنال

برچسب‌ها:
Descriptor) تطابق ویژگیها | feature detection توصیفگرها | feature matching حذف تطابق های نادرست | harris | harris-laplace | Harris-Laplas | image retrieval | Moravec | object tracking | Outlier rejection | registration | Scale Invariance Feature Transform | SIFT | استخراج ویژگی محلی | استخراج ویژگی های محلی | الگوریتم | انواع الگوریتم های پردازش تصویر | بهینه سازی | پردازش تصاویر پزشکی | تصاویر دیجیتال | تطابق های اشتباه | تناظر یابی | تناظر یابی در تصاویر دیجیتال | روش های ردیابی | سنجش از دور | سیفت | فرادرس پردازش تصویر | کامپیوتر | کد متلبSIFT | گوشه یاب | گوشه یاب Harris | گوشه یاب Moravec | ماهواره ای | منطقه یاب | منطقه یاب Harris-Laplas | منطقه یابها | ویژگی محلی | ویژگی های محلی | ویژگیهای محلی
مشاهده بیشتر مشاهده کمتر