×
۱۴۰,۰۰۰ تومان

آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe

آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe

هزینه آموزش
۱۴۰,۰۰۰ تومان

تعداد دانشجو
۲۰۲ نفر
مدت زمان
۴ ساعت و ۲۰ دقیقه
محتوای این آموزش
تضمین کیفیت
۲ بازخورد (مشاهده نظرات)

در این آموزش به معرفی برخی از کلیدی‌ترین ویژگی‌های این کتابخانه می‌پردازیم و سپس پروژه‌هایی کاربردی به منظور انتقال بهتر مفاهیم ارائه خواهند شد. در این فرادرس، به تعریف و پیاده‌سازی پروژه‌های جذاب و کاربردی بینایی ماشین با کتابخانه MediaPipe خواهیم پرداخت. کتابخانه MediaPipe به دلیل قابلیت پیاده‌سازی بر روی پلت‌فرم‌های مختلف با استفاده از زبان‌های برنامه‌نویسی مختلف و همچنین ویژگی مهم قابلیت اجرا بر روی CPU توانسته است جایگاه خود را در میان محققان بینایی ماشین پیدا کند. رویکرد این آموزش پروژه‌محور بوده و از ورود به تئوری‌های پرتکلف و گاها بی‌تاثیر در فرایند آموزش اجتناب شده است و سپس سعی بر این بوده تا با پیاده‌سازی گام به گام و تقسیم هر برنامه به بخش‌های کوچکتر، فهم و انتقال مطلب به مخاطبان آسان‌تر باشد.

آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe

تعداد دانشجو
۲۰۲ نفر
مدت زمان
۴ ساعت و ۲۰ دقیقه
هزینه آموزش
۱۴۰,۰۰۰ تومان
محتوای این آموزش
۲ بازخورد (مشاهده نظرات)

یونس شکوهی

کارشناسی مهندسی پزشکی - بیوالکتریک

زمینه‌های پژوهشی و کاری تخصصی ایشان در حوزه‌های مختلف هوش مصنوعی و بینایی ماشین بوده است. از افتخارات علمی و کاری ایشان می‌توان به اخذ پذیرش در مقطع کارشناسی ارشد مهندسی برق از دانشگاه Duke آمریکا و همکاری در یک پروژه علمی با نهاد ریاست جمهوری اشاره نمود.

توضیحات تکمیلی

بدون شک، بینایی ماشین یکی از تاثیرگذارترین و پیشرفته‌ترین فناوری‌های چند دهه اخیر بوده است. این علم با تکیه بر تکنیک‌های پردازش تصویر و هوش مصنوعی، تغییر شگرفی در فناوری‌های مختلف، از جمله: صنایع نظامی، سیستم‌های نظارتی و کنترلی، صنایع پزشکی و… ایجاد کرده است. بینایی ماشین باعث ارتقای سطح هوشمندی سیستم‌ها شده و نقش انسان در فرایندهای تصمیم‌گیری و تشخیصی را به مراتب کم‌رنگ‌تر می‌کند.

اخیرا شرکت گوگل کتابخانه‌ای به نام MediaPipe منتشر کرده که ابزارهای متنوع و کارآمدی را در اختیار کاربران قرار می‌دهد. در این کتابخانه، امکاناتی برای: تشخیص چهره، تشخیص حالت بدن، تشخیص دست و… گنجانده شده است که بررسی و پیاده‌سازی برخی از این ابزارها موضوع این آموزش را تشکیل می‌دهد. نکته حائز اهمیت در مورد این کتابخانه که آن را از سایر کتابخانه‌ها و شبکه‌های مشهور در حوزه هوش مصنوعی متمایز می‌کند، سهولت در اجرا و پیاده‌سازی، اجرای بر روی CPU و قابلیت استفاده به صورت بلادرنگ است. این کتابخانه به گونه‌ای بهینه‌سازی شده که حتی به سادگی قابلیت پیاده‌سازی بر روی تلفن‌های هوشمند را نیز دارد.

در این آموزش به معرفی برخی از کلیدی‌ترین ویژگی‌های این کتابخانه می‌پردازیم و سپس پروژه‌هایی کاربردی به منظور انتقال بهتر مفاهیم ارائه خواهند شد. در این فرادرس، به تعریف و پیاده‌سازی پروژه‌های جذاب و کاربردی بینایی ماشین با کتابخانه MediaPipe خواهیم پرداخت. کتابخانه MediaPipe به دلیل قابلیت پیاده‌سازی بر روی پلت‌فرم‌های مختلف با استفاده از زبان‌های برنامه‌نویسی مختلف و همچنین ویژگی مهم قابلیت اجرا بر روی CPU توانسته است جایگاه خود را در میان محققان بینایی ماشین پیدا کند.

رویکرد این آموزش پروژه‌محور بوده و از ورود به تئوری‌های پرتکلف و گاها بی‌تاثیر در فرایند آموزش اجتناب شده است و سپس سعی بر این بوده تا با پیاده‌سازی گام به گام و تقسیم هر برنامه به بخش‌های کوچکتر، فهم و انتقال مطلب به مخاطبان آسان‌تر باشد.

 

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • فصل یکم: مقدمه‌ای بر بینایی ماشین و کتابخانه MediaPipe
    • درس یکم: معرفی و نصب کتابخانه‌های مورد نیاز
    • درس دوم: استخراج 21 Landmark از دست به صورت بلادرنگ 
    • درس سوم: تعقیب یک نقطه از دست در تصویر وب‌ کم به صورت بلادرنگ 
    • درس چهارم: تشکیل ماژول تشخیص انگشتان دست - بخش یکم 
    • درس پنجم: تشکیل ماژول تشخیص انگشتان دست - بخش دوم 
    • درس ششم: تشخیص باز و بسته بودن انگشتان دست 
    • درس هفتم: پیاده‌سازی برنامه شمارش انگشتان دست بر روی وب ‌کم به صورت بلادرنگ
  • فصل دوم: تعریف و پیاده‌سازی پروژه تغییر ولوم PC با استفاده از علائم دست به صورت بلادرنگ
    • درس هشتم: تعریف خصوصیات و اهداف برنامه 
    • درس نهم: شناسایی، برجسته‌سازی و محاسبه فاصله بین انگشتان هدف 
    • درس دهم: تغییر ولوم PC از طریق کدنویسی 
    • درس یازدهم: تنظیم و تغییر ولوم PC متناسب با فاصله بین انگشتان 
    • درس دوازدهم: طراحی رابط گرافیکی به منظور نمایش تغییرات ولوم
  • فصل سوم: تعریف و پیاده‌سازی پروژه Virtual Paint
    • درس سیزدهم: تعریف پروژه نقاشی مجازی 
    • درس چهاردهم: نمایش نوار امکانات بر روی تصویر وب‌‌کم
    • درس پانزدهم: تشخیص حالت انتخاب و نقاشی 
    • درس شانزدهم: پیاده‌سازی متد انتخاب رنگ یا پاک‌کن از نوار امکانات 
    • درس هفدهم: پیاده‌سازی تابع محاسبه مختصات کلیک 
    • درس هجدهم: پیاده‌سازی فاز نقاشی و تنظیم ضخامت بر روی تصویر وب‌کم 
    • درس نوزدهم: تعریف امکان پاک‌سازی کل تصویر با علامت دست - بخش یکم 
    • درس بیستم: تعریف امکان پاک‌سازی کل تصویر با علامت دست - بخش دوم
  • فصل چهارم: تعریف و پیاده‌سازی پروژه Pose Estimation (تخمین حالت بدن)
    • درس بیست‌و‌یکم: مروری بر اهداف و کاربردهای تخمین حالت بدن 
    • درس بیست‌و‌دوم: استخراج 33 Landmark از بدن به صورت بلادرنگ 
    • درس بیست‌و‌سوم: ردیابی یک نقطه از بدن  
    • درس بیست‌و‌چهارم: تشخیص حالت‌های خاص بدن 
    • درس بیست‌وپنجم: نمایش اسکلت کلی استخراج شده از بدن برروی صفحه سیاه

 

مفید برای
  • مهندسی کامپیوتر - نرم‌افزار
  • مهندسی پزشکی
  • مهندسی برق

 

پیش نیاز


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

PyCharm Community 2021.1.1

پیش نمایش‌ها

۱. معرفی و نصب کتابخانه‌های مورد نیاز
۲. استخراج ۲۱ Landmark از دست به‌صورت بلادرنگ
۳. تعقیب یک نقطه از دست در تصویر وب‌ کم به‌صورت بلادرنگ
۴. تشکیل ماژول تشخیص انگشتان دست - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. تشکیل ماژول تشخیص انگشتان دست - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. تشخیص باز و بسته بودن انگشتان دست
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. پیاده‌سازی برنامه شمارش انگشتان دست بر روی وب ‌کم بهد صورت بلادرنگ
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. تعریف خصوصیات و اهداف برنامه
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. شناسایی، برجسته‌سازی و محاسبه فاصله بین انگشتان هدف
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. تغییر ولوم PC از طریق کدنویسی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۲۶ جلسه ویدئویی با مجموع ۴ ساعت و ۲۰ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

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 پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe
ناشر فرادرس
کد آموزش FVBME003
مدت زمان ۴ ساعت و ۲۰ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۹۰۷ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
آموزش‌های مرتبط با آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe


آموزش‌های پیشنهادی برای شما

نظرات

تا کنون ۲۰۲ نفر از این آموزش استفاده کرده اند و ۲ نظر ثبت شده است.
سعید
سعید
۱۴۰۰/۰۸/۰۳

بسیار مفید و کاربردی...متشکر

Eli
Eli
۱۴۰۰/۰۸/۰۱

آموزش بسیار جامع و مفیدی بود 👏

برچسب‌ها:
Artificial Intelligence | computer vision | finger counting | google | Image Processing | landmark extraction | MediaPipe | MediaPipe | OpenCV | Pose Estimation | Pose Estimation | pycaw | pycaw | virtual paint | virtual paint | استخراج Landmark از بدن | استخراج Landmark از بدن | استخراج لندمارک | استخراج لندمارک | بینایی ماشین | بینایی ماشین | پردازش تصویر | پردازش تصویر | پروژه Pose Estimation | پروژه Pose Estimation | پروژه Virtual Paint | پروژه Virtual Paint | پروژه تشخیص انگشتان دست با MediaPipe | پروژه تشخیص انگشتان دست با MediaPipe | پیاده سازی Virtual Paint | پیاده سازی Virtual Paint | پیاده سازی بینایی ماشین | پیاده سازی بینایی ماشین | پیاده‌سازی Pose Estimation | پیاده‌سازی Pose Estimation | پیاده‌سازی تخمین حالت بدن | پیاده‌سازی تخمین حالت بدن | تشخیص چهره با MediaPipe | تشخیص چهره با MediaPipe | تشخیص حالت بدن با MediaPipe | تشخیص حالت بدن با MediaPipe | تکنیک های پردازش تصویر | تکنیک های پردازش تصویر | کاربردهای MediaPipe | کاربردهای MediaPipe | کتابخانه MediaPipe | کتابخانه MediaPipe | کتابخانه pycaw | کتابخانه pycaw | نصب کتابخانه MediaPipe | نصب کتابخانه MediaPipe | نصب کتابخانه OpenCV | نصب کتابخانه OpenCV | نمایش نرخ فریم ویدئو | نمایش نرخ فریم ویدئو | هوش مصنوعی | هوش مصنوعی
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۲۶ جلسه ویدئویی
×