آموزش بینایی کامپیوتر با تنسورفلو ــــــــــ فصل ۱: شناسایی تصویر

به این صفحه از هم‌رویش خوش آمدید! آموزش بینایی کامپیوتر با تنسورفلو در مدت زمان 90 دقیقه و در 5 فیلم آموزشی تهیه شده است. هدف از این آموزش بینایی ماشین با تنسورفلو آشنایی شما با مفهوم بینایی کامپیوتر و کدنویسی آن در محیط پایتون است. ممنون که تا آخر دوره بینایی کامپیوتر با ما همراه هستید!

به یاد دارید که چندی پیش یک بسته آموزش کاربردی بینایی کامپیوتر با OpenCV و پایتون (+) در هم رویش منتشر شد. در آن بسته ما از شبکه‌های عصبی تعلیم یافته‌ای مثل یولو برای تشخیص اشیا استفاده کردیم. در آن بسته شما دریافتید که بینایی کامپیوتر چیست و توانستید مدل‌های گوناگونی از تشخیص اشیا، تشخیص چهره و واقعیت افزوده را مورد استفاده قرار داده و نتایج هیجان انگیزی دریافت کنید.

بینایی کامپیوتر چیست؟

بینایی کامپیوتر به عنوان یک فناوری روی استخراج اطلاعات مهم از عکس یا ویدئو از طریق درک آن مانند مغز انسان تمرکز می کند. این تکنولوژی از 2010 تا 2020 تاثیرات چشمگیری داشته و در کاربردهای علمی و تحقیقاتی نتایج درخشانی داشته است.

برای درک بهتر تعریف بینایی کامپیوتر مقاله تعریف و نقشه راه بینایی کامپیوتر (+)  پیش از این در هم‌رویش منتشر شده است. توصیه می کنیم این مقاله را در مرورگر خود بوکمارک کنید و در برنامه مطالعه آزاد خود قرار دهید.

این آموزش در یک نگاه

در این آموزش با کمک کتابخانه کراس از تنسورفلو، یک شبکه عصبی به عنوان یک مدل یادگیری ماشین ساختیم. با دادن تصاویر یک دیتاست پیش ساخته در کراس به مدل و آموزش آن، عملکرد مدل را در تشخیص درست تصاویر ارزیابی کردیم. در ادامه میزان موفقیت مدل آموزشی را سنجیدیم. در نهایت بدین وسیله مفهوم دیدن درست تصویر (بینایی) در کامپیوتر را به طور عملی درک کردیم.

شما در این آموزش با مدرسی همراه هستید که در رساله دکتری خود روی تشخیص تومورهای خوش خیم و بد خیم کار کرده و در این راه از بینایی کامپیوتر و پردازش تصویر استفاده کرده است.

ضمنا به یاد داشته باشید که این فصل اول از حرکت ما در مسیر کدنویسی بینایی ماشین با تنسورفلو است. در این فصل روی شناسایی تصویر (Image Recognition) تمرکز کردیم. در فصل بعدی سراغ شبکه‌های عصبی پیچشی و استخراج ویژگی‌ها از دل تصاویر یعنی حوزه تشخیص شی (Object Detection) خواهیم رفت.

این آموزش بی نظیر است زیرا:

• مفهوم دیدن در کامپیوتر با زبانی ساده بیان شده است.
• این آموزش کاملا پروژه محور است.
• در این آموزش با کتابخانه کراس در تنسورفلو کار می‌کنیم که بازار کار دارد.
• این آموزش برای پروژه‌های دانشگاهی کاربرد ویژه دارد.

پیشنیاز و مسیر شما

این آموزش در واقع بخشی از یک مسیر آموزشی است. در آغاز این دوره فرض شده که شما توانایی‌های زیر را گذرانده‌اید.

• آموزش پایتون از صفر — برنامه نویسی مقدماتی تا پیشرفته Python
• آموزش شبکه عصبی مصنوعی — از صفر به زبان ساده
• آموزش ساخت شبکه عصبی با پایتون (و دیگر زبان‌ها) از صفر
• آموزش تنسورفلو __ پیاده سازی شبکه های عصبی با TensorFlow

همچنین در پایان این فصل از آموزش بینایی کامپیوتر با تنسورفلو (بسته این صفحه) و پیش از ادامه راه توصیه می‌کنیم که آموزش کاربردی بینایی کامپیوتر را نیز دست کم یک دور تماشا کنید (اگر حتی اجرا نمی‌کنید). این کار به شما کمک می‌کند که با یک دید عمیق‌تر وارد طراحی شبکه‌های عصبی پیچشی در فصل بعد شوید.

• آموزش کاربردی بینایی کامپیوتر با پایتون و OpenCV (+)

کلیدواژگان

آموزش شبکه عصبی با کراس | یادگیری شبکه عصبی با کراس | اموزش بینایی ماشین با تنسورفلو | دوره بینایی کامپیوتر | دوره آموزشی بینایی کامپیوتر |  دوره بینایی کامپیوتر با تنسورفلو

ریز محتوای فیلم‌ها

درس صفر: معرفی دوره

• دوره آموزشی شرح داده شده است.

درس اول: بینایی کامپیوتر چیست؟

• تعریف مفهوم بینایی کامپیوتر
• مروری بر تاریخچه بینایی کامپیوتر
• معرفی دیتاست fashion_mnist

درس دوم:  طراحی نرون‌ها برای یادگیری بهتر

• تعریف شبکه عصبی مصنوعی و عملکرد آن
• آشنایی با فرآیند ورود تصاویر به شبکه عصبی و تشریح یادگیری توسط نرون
• تطبیق پیکسل‌های تصویر با برچسب مربوطه اش توسط شبکه عصبی

درس سوم: کدنویسی پایتون برای آموزش شبکه عصبی بادیتاست FASHION _MNIST

• شرح کدهای مربوط به ساخت شبکه عصبی با استفاده از کتابخانه کراس در پایتون ورود به محیط ویرایشگر پایتون
• نوشتن کدهای مربوط به دادن تصاویر دیتاست به شبکه عصبی به عنوان مدل یادگیری و ساخت مدل آموزشی

درس چهارم: ساخت مدل آموزشی و ارزیابی آن در پایتون

• نوشتن کدهای مربوط به آموزش مدل با داده‌های آموزشی
• نوشتن کدهای مربوط به ارزیابی مدل با داده‌های آزمایشی

درس پنجم: توقف آموزش

• آشنایی با پدیده overfitting و استفاده از راهکار توقف آموزش برای جلوگیری از آن