در این دوره آموزشی، کتابخانه Python-تصویر scikit را بررسی میکنید که به شما امکان میدهد تکنیکهای پردازش تصویر پیچیده را روی تصاویر اعمال کنید و به سرعت بینشهای مهم را استخراج کنید یا تصاویر را برای ورودی به مدلهای یادگیری ماشین از قبل پردازش کنید.
آنچه خواهید آموخت:
در این دوره آموزشی، ساخت برنامههای پردازش تصویر با استفاده از تصویر اسکی، شما با چند تکنیک اصلی پردازش تصویر آشنا خواهید شد و خواهید دید که چگونه میتوان این تکنیکها را با استفاده از کتابخانه Python-تصویر پیادهسازی کرد.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Working with Image Data [49mins]
02-01 Version Check [0mins]
02-02 Module Overview [1mins]
02-03 Prerequisites and Course Outline [2mins]
02-04 Introducing scikit-image [5mins]
02-05 Working with Images as NumPy Arrays [6mins]
02-06 Masking Images Using Array Manipulation [4mins]
02-07 Masking Color Images [4mins]
02-08 Introducing Block Views and Pooling [3mins]
02-09 Block Views and Pooling Operations [4mins]
02-10 Contours [6mins]
02-11 Convex Hull [3mins]
02-12 Edge Detection [4mins]
02-13 Roberts and Sobel Edge Detection [1mins]
02-14 Canny Edge Detection [6mins]
03 Object and Feature Detection [29mins]
03-01 Module Overview [1mins]
03-02 Feature Detection and Image Descriptors [3mins]
03-03 Visualizing Daisy Descriptors on Images [3mins]
03-04 Visualizing Hog Feature Descriptors [3mins]
03-05 Corner Detection [5mins]
03-06 Introducing Denoising Filters [2mins]
03-07 Applying Denoising Filters [5mins]
03-08 Morphological Reconstruction [2mins]
03-09 Filling Holes and Finding Peaks Using Erosion and Dilation [5mins]
04 Segmentation and Transformation [33mins]
04-01 Module Overview [1mins]
04-02 Introducing Thresholding [2mins]
04-03 Applying Global and Local Thresholding Algorithms [4mins]
04-04 Image Segmentation and Region Adjacency Graphs [2mins]
04-05 Segmentation and Merging Segments Using Rags [5mins]
04-06 Introducing Watershed Algorithms for Segmentation [2mins]
04-07 Segmentation Using Classic and Compact Watershed [3mins]
04-08 Applying Image Transformations [3mins]
04-09 Introducing the MSE and SSIM as Distance Measures [3mins]
04-10 Comparing Images Using MSE and SSIM [6mins]
04-11 Summary and Further Study [2mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 کار با دادههای تصویر [49 دقیقه]
02-01 بررسی نسخه [0 دقیقه]
02-02 نمای کلی ماژول [1 دقیقه]
02-03 پیش نیازها و خلاصه دوره [2 دقیقه]
02-04 معرفی تصویر اسکیت [5 دقیقه]
02-05 کار با تصاویر به عنوان آرایههای NumPy [6 دقیقه]
02-06 پوشاندن تصاویر با استفاده از دستکاری آرایه [4 دقیقه]
02-07 پوشاندن تصاویر رنگی [4 دقیقه]
02-08 معرفی Block Views و Pooling [3 دقیقه]
02-09 مسدود کردن نماها و عملیات ادغام [4 دقیقه]
02-10 خطوط [6 دقیقه]
02-11 بدنه محدب [3 دقیقه]
02-12 تشخیص لبه [4 دقیقه]
02-13 تشخیص لبه رابرتز و سوبل [1 دقیقه]
02-14 تشخیص لبه Canny [6 دقیقه]
03 تشخیص شی و ویژگی [29 دقیقه]
03-01 نمای کلی ماژول [1 دقیقه]
03-02 تشخیص ویژگی و توصیفگرهای تصویر [3 دقیقه]
03-03 تجسم توصیفگرهای دیزی روی تصاویر [3 دقیقه]
03-04 تجسم توصیفگرهای ویژگی Hog [3 دقیقه]
03-05 تشخیص گوشه [5 دقیقه]
03-06 معرفی فیلترهای حذف نویز [2 دقیقه]
03-07 اعمال فیلترهای حذف نویز [5 دقیقه]
03-08 بازسازی مورفولوژیکی [2 دقیقه]
03-09 پر کردن سوراخها و یافتن قلهها با استفاده از فرسایش و اتساع [5 دقیقه]
04 بخشبندی و تبدیل [33 دقیقه]
04-01 نمای کلی ماژول [1 دقیقه]
04-02 معرفی آستانه [2 دقیقه]
04-03 استفاده از الگوریتمهای آستانه جهانی و محلی [4 دقیقه]
04-04 تقسیمبندی تصویر و نمودارهای مجاورت منطقه [2 دقیقه]
04-05 بخشبندی و ادغام بخشها با استفاده از Rags [5 دقیقه]
04-06 معرفی الگوریتمهای حوزه آبخیز برای تقسیمبندی [2 دقیقه]
04-07 تقسیمبندی با استفاده از حوضه کلاسیک و فشرده [3 دقیقه]
04-08 اعمال تغییر شکل تصویر [3 دقیقه]
04-09 معرفی MSE و SSIM به عنوان اندازهگیری فاصله [3 دقیقه]
04-10 مقایسه تصاویر با استفاده از MSE و SSIM [6 دقیقه]
04-11 خلاصه و مطالعه بیشتر [2 دقیقه]
جانانی دارای مدرک کارشناسی ارشد از استنفورد است و بیش از 7 سال در گوگل کار کرده است. او یکی از مهندسان اصلی Google Docs بود و دارای 4 پتنت برای فریمورک ویرایش مشارکتی بلادرنگ آن است. جانانی پس از گذراندن سالها کار در فناوری در منطقه خلیج، نیویورک و سنگاپور در شرکتهایی مانند مایکروسافت، گوگل و فلیپکارت، سرانجام تصمیم گرفت عشق خود به فناوری را با علاقهاش به تدریس ترکیب کند. او اکنون یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارتهای فنی متمرکز است. Loonycorn در حال کار بر روی توسعه یک موتور (پتنت ثبت شده) برای خودکارسازی انیمیشنها برای ارائهها و محتوای آموزشی است.