در این قسمت تیم کدگیت PDF شبکه عصبی پیچشی را تهیه کرده است. آیا تا بحال از خود پرسیدهاید عملیات تشخیص چهره در شبکههای اجتماعی چگونه کار میکند؟ یا فرآیند تشخیص یک شی (Object) در ماشینهای خودران (self driving car) چگونه است؟ یا شاید هم برای شما جای سوال باشد که چگونه از طریق تصاویر یک بیماری را تشخیص میدهند؟ پاسخ همه این سوالات در شبکه عصبی پیچشی (convolutional neural networks) نهفته است. در این PDF با این شبکه عصبی آشنا خواهیم شد و لایههای مختلف آن را بررسی میکنیم. در ادامه پیشنهاد میکنیم از دیگر محصولات ما دیدن فرمایید:
- PDF جابجایی تصاویر در پایتون + سورس کد
- PDF تغییر اندازه تصویر در پایتون + سورس کد
- PDF عملیات ریاضی در OpenCV + سورس کد
- PDF عملیات بیتی در OpenCV + سورس کد
- PDF تار کردن تصاویر در OpenCV + سورس کد
- نویزگیری و sharp تصاویر در OpenCV + سورس کد
- PDF آستانه گذاری تصاویر در OpenCV + سورس کد
- PDF آستانه گذاری OTSU در OpenCV
- pdf آستانه گذاری adaptive در OpenCV + سورس کد
- PDF عملیات مورفولوژی تصاویر در OpenCV + سورس کد
- PDF تشخیص لبه Canny در OpenCV + سورس کد
- PDF گرادیان تصویر
- PDF تشخیص هیستوگرام تصاویر + سورس کد
- PDF محاسبه مرکز و مساحت کانتور + سورس کد
- PDF کانتور تقریبی در OpenCV + سورس کد
- PDF مقایسه کانتورها در OpenCV + سورس کد
- PDF تشخیص دایره در OpenCv + سورس کد
- PDF تشخیص Blob در OpenCV + سورس کد
PDF شبکه عصبی پیچشی
تکنولوژی امروزه به سرعت در حال پیشرفت است. تشخیص عینک، تشخیص خودرو، تشخیص چشم و … تنها بخشی از پیشرفت تکنولوژی است که با کمک پردازش تصویر و هوش مصنوعی قابل انجام است. در این قسمت شبکه عصبی پیچشی بررسی خواهیم کرد. CNNها ساختار منحصر به فرد خود را دارند گرچه نوعی شبکه عصبی می باشند اما پیچیدگی بیشتری دارد. در PDF تهیه شده لایههای مختلف این شبکه عصبی را معرفی خواهیم کرد.
محتوای آموزش
محتوای این دوره شامل بخشهای زیر میباشد:
- مقدمه
- عملیات کانولوشن (convolution)
- لایههای شبکه عصبی پیچشی
- لایهConvolution
- عمق یا depth
- Stride
- padding
- فرمول جمعبندی پارامترها
- Activation Layers
- pooling
- Fully connected Layers
- Batch Normalization
- Dropout
- الگوی لایهها
فایلها و ماژولها سورس کد
در این PDF تنها به توضیحات لایههای شبکه عصبی پیچشی پرداختهایم و این آموزش به هیچگونه پیاده سازی و ماژولی نیاز ندارد. در آموزشهای آینده وارد پیاده سازی خواهیم شد و ماژولهای مورد نیاز را معرفی خواهیم کرد.
برای نصب پایتون به طوری که در CMD بتوانید کدهای پایتون را اجرا و ماژولها را نصب نمایید ویدئو زیر را حتماً مشاهده کنید:
نقد و بررسیها
هنوز بررسیای ثبت نشده است.