دوره تشخیص اشیاء با یادگیری عمیق در متلب با محوریت تشخیص ماشین
این دوره به شما نحوه استفاده از الگوریتمهای پیشرفته یادگیری عمیق برای تشخیص ماشینها با استفاده از متلب را آموزش میدهد. شما با چهار معماری RCNN، Fast RCNN، Faster RCNN و YOLO که از پیشرفته ترین و بهترین معماری های تشخیص اشیاء (Object Detection) که مبتنی بر یادگیری عمیق (Deep Learning) هستند، آشنا میشوید و یاد میگیرید که چگونه این مدلها را برای تشخیص خودرو (Car Detection) در دیتاستهای مختلف پیادهسازی کنید.
سرفصلهای دوره:
فصل اول: بررسی پیدایش RCNN و تکامل آن
- معرفی RCNN (Region-based Convolutional Neural Networks) و بررسی نحوه عملکرد آن در تشخیص اشیاء.
- بررسی الگوریتمهای Fast RCNN و Faster RCNN و پیشرفتهای آنها در افزایش دقت و سرعت تشخیص.
- تحلیل مقالات و مطالعات موردی مرتبط با این الگوریتمها.
- مقایسه عملکرد RCNN، Fast RCNN و Faster RCNN در دیتاستهای مختلف ماشینها.
فصل دوم: پردازش یادگیری عمیق در متلب
- راهاندازی محیط سختافزاری و نرمافزاری متلب برای یادگیری عمیق.
- استفاده از پردازش GPU (Graphics Processing Unit) برای تسریع در آموزش مدلها.
- تنظیمات محیط متلب برای پردازش دادههای تصویری به منظور بهینهسازی عملکرد مدلها.
فصل سوم: Groundtruth و لیبلگذاری در تشخیص ماشین
- توضیح مفهوم Groundtruth و روشهای لیبلگذاری دادهها برای تشخیص ماشینها.
- اهمیت دقت در تهیه دادههای Groundtruth و اثر آن بر عملکرد مدل.
- ابزارهای لازم برای تولید و مدیریت دادههای Groundtruth برای تشخیص ماشین.
فصل چهارم: کدنویسی با استفاده از معماریهای مختلف در متلب
فصل چهارم-1: استفاده از RCNN برای تشخیص ماشین
- آموزش نحوه پیادهسازی RCNN برای تشخیص خودرو در دیتاستهای مختلف.
- تنظیمات و روشهای آموزش مدلهای RCNN برای تشخیص ماشین.
- بهینهسازی عملکرد مدل برای دیتاستهای خاص خودرو.
فصل چهارم-2: استفاده از Fast و Faster RCNN برای تشخیص ماشین
- پیادهسازی Fast RCNN و Faster RCNN برای شناسایی خودروها در تصاویر.
- تنظیمات شبکههای عصبی و استفاده از معماریهای از پیشآموزشدیده برای بهبود دقت تشخیص ماشینها.
- بررسی تفاوتها و مزایای این دو مدل نسبت به RCNN.
فصل چهارم-3: استفاده از YOLO برای تشخیص ماشین
- آشنایی با مدل YOLO (You Only Look Once) و نحوه استفاده از آن برای تشخیص خودروها.
- پیادهسازی مدل YOLO در متلب برای تشخیص ماشینها.
- تنظیمات و تکنیکهای بهینهسازی برای عملکرد بهتر مدل YOLO در تشخیص خودروها.
نتیجهگیری:
این دوره به شما ابزارهای ضروری و تکنیکهای پیشرفته برای تشخیص ماشینها با استفاده از یادگیری عمیق و متلب را ارائه میدهد. شما قادر خواهید بود تا مدلهای مختلف RCNN، Fast RCNN، Faster RCNN و YOLO را در پروژههای واقعی پیادهسازی کرده و دقت و سرعت آنها را بهینهسازی کنید.
مدرس: حسن سعادتمند
- بیش از 250 دوره آموزشی در متلب (MATLAB) و پایتون (Python).
- بیش از 15 سال تجربه در زمینه یادگیری ماشین، الگوریتم های فراابتکاری، یادگیری عمیق، مهندسی کنترل.
- چاپ چندین مقاله Q1 در بهترین ژرنال های دنیا Google Scholar.
- مدرس فرادرس
- کانال یوتیوب، کانال اپارت، کانال تلگرام، کانال ایتا
نقد و بررسیها
هنوز بررسیای ثبت نشده است.