از تصویر خام تا یک سیستم بینایی ماشیناگر میخواهید بدانید یک سیستم هوشمند چطور جهان اطرافش را تحلیل کرده و تصمیم میگیرد، ما در دوره «بینایی ماشین و پردازش تصاویر صنعتی» این مسیر را در ۴ فاز پروژهمحور طراحی کردهاییم:
فاز ۱: پایههای بینایی و پردازش کلاسیک از خودِ تصویر شروع میکنیم. مبانی را میآموزیم و با کتابخانه OpenCV سراغ روشهای پردازش کلاسیک (مثل Filtering و Edge Detection) و کاربردهای صنعتی آنها میرویم.
فاز ۲: ورود به دنیای Deep Learning شبکههای عصبی (CNN) چگونه میبینند؟ در این بخش با مفاهیم یادگیری عمیق و پیادهسازی معماریهای قدرتمندی مثل ResNet (و تکنیک Transfer Learning) آشنا میشویم.
فاز ۳: چالش دادهها و جادوی YOLO هیچ مدلی بدون دادهی خوب کار نمیکند! اصول آمادهسازی و لیبلگذاری داده با Roboflow و CVAT را تمرین میکنیم. سپس وارد تشخیص شیء (Object Detection) شده و مدل محبوب YOLO را آموزش میدهیم.
فاز ۴: ارزیابی و استقرار (پروژه نهایی) مدلها را با معیارهای دقیق ارزیابی میکنیم، نگاهی به معماریهای پیشرفته (مثل Faster R-CNN و Mask R-CNN) میاندازیم و در نهایت کل مسیر را در یک پروژه جامع (استقرار Real-Time با وبکم) پیادهسازی میکنیم.
شفافیت و هدف دوره: دنیای Computer Vision بسیار گسترده است. هدف این ۲۰ ساعت، دادن یک «سکوی پرتاب استاندارد» به شماست. ما شما را با چالشهای واقعی اجرای یک پروژه درگیر میکنیم تا پس از پایان دوره، توانایی ورود به پروژههای صنعتی و ادامه مسیر حرفهای خود را داشته باشید.اگر از تئوریهای خشک خسته شدهاید و میخواهید ساخت یک سیستم واقعی را تجربه کنید، با ما همراه شوید.
در کانال انجمن علمی مهندسی مکانیک شبکه نخبگان با ما همراه باشید
