در این مطلب، ویدئو نکات و ترفندهای پایتون – 5: استخراج وصله ها از تصاویر بزرگ و ماسک برای تقسیم بندی معنایی با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:07:27
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,560 –> 00:00:02,480
سلام به همه به دیجیتال سوئینی در یوتیوب خوش آمدید
2
00:00:02,480 –> 00:00:03,360
3
00:00:03,360 –> 00:00:05,200
و لطفاً مشترک شدن را فراموش نکنید
4
00:00:05,200 –> 00:00:07,200
زیرا از این نکات
5
00:00:07,200 –> 00:00:08,880
و ترفندها و البته ویدیوهای معمولی من بهره مند خواهید شد
6
00:00:08,880 –> 00:00:09,920
7
00:00:09,920 –> 00:00:13,040
و این دوباره بر اساس سؤالات شما است
8
00:00:13,040 –> 00:00:13,759
9
00:00:13,759 –> 00:00:16,079
به خصوص در طول این سری واحد بسیاری
10
00:00:16,079 –> 00:00:18,000
از شما می پرسید خوب است. شما تصاویر بزرگی
11
00:00:18,000 –> 00:00:19,039
12
00:00:19,039 –> 00:00:21,039
دارید و ماسکهای بزرگی دارید که ماسکهای متناظر را
13
00:00:21,039 –> 00:00:23,119
دارید، درست است که توضیح دادهاید
14
00:00:23,119 –> 00:00:24,960
چگونه آنها را به تکههای کوچکتر تقسیم
15
00:00:24,960 –> 00:00:26,800
میکنید تا بتوانید
16
00:00:26,800 –> 00:00:28,720
یک واحد یا هر الگوریتم دیگری را
17
00:00:28,720 –> 00:00:31,439
که میخواهید آموزش دهید آموزش دهید، بنابراین این ویدیو دقیقاً
18
00:00:31,439 –> 00:00:32,238
در مورد
19
00:00:32,238 –> 00:00:34,640
این است که این باور را توضیح میدهد. من
20
00:00:34,640 –> 00:00:36,640
خیلی خیلی ساده و سرراست است
21
00:00:36,640 –> 00:00:39,600
، البته میتوانید هر خطی را
22
00:00:39,600 –> 00:00:40,399
که میدانید بنویسید
23
00:00:40,399 –> 00:00:42,399
تا عکسهای بزرگ را بگیرید و سپس
24
00:00:42,399 –> 00:00:44,320
آنها را قطع کنید، من قبلاً این کار را انجام
25
00:00:44,320 –> 00:00:46,879
میدادم اکنون کتابخانهای به نام patchify وجود دارد
26
00:00:46,879 –> 00:00:48,399
و من از آن در چند مورد استفاده کردهام. از
27
00:00:48,399 –> 00:00:50,239
ویدیوهای من در گذشته، اما این دقیقاً همان
28
00:00:50,239 –> 00:00:52,719
چیزی است که میتوانید برای کاهش تصاویر خود
29
00:00:52,719 –> 00:00:56,480
و ذخیره تصاویر برش داده شده
30
00:00:56,480 –> 00:01:00,239
یا تصاویر وصلهشده در یک ناحیه بیحرکت یا
31
00:01:00,239 –> 00:01:01,280
32
00:01:01,280 –> 00:01:03,520
ذخیره i وصله شده خود استفاده کنید. به درایو خود اضافه می کند
33
00:01:03,520 –> 00:01:04,879
تا بتوانید بعداً از آن استفاده کنید،
34
00:01:04,879 –> 00:01:06,400
خوب به هر طریقی
35
00:01:06,400 –> 00:01:08,320
36
00:01:08,320 –> 00:01:10,080
37
00:01:10,080 –> 00:01:12,000
38
00:01:12,000 –> 00:01:14,000
39
00:01:14,000 –> 00:01:15,600
قرار است
40
00:01:15,600 –> 00:01:17,840
از Patchify برای
41
00:01:17,840 –> 00:01:19,520
ایجاد این خطاهای numpy استفاده کنم، بنابراین من
42
00:01:19,520 –> 00:01:21,119
قصد ندارم یک ویدیوی جداگانه در مورد آن موضوع بسازم،
43
00:01:21,119 –> 00:01:22,640
زیرا به
44
00:01:22,640 –> 00:01:23,600
هر
45
00:01:23,600 –> 00:01:26,240
46
00:01:26,240 –> 00:01:27,759
حال این موضوع
47
00:01:27,759 –> 00:01:30,720
پوشش داده خواهد شد. انجام دهید نصب pip
48
00:01:30,720 –> 00:01:33,680
patchify p-a-t-c-h-i-f-y است
49
00:01:33,680 –> 00:01:36,720
و عالی کار می کند و چیزی که من در اینجا دارم
50
00:01:36,720 –> 00:01:40,000
چند تصویر است
51
00:01:40,000 –> 00:01:43,360
خوب یک تصویر این است اوه اجازه دهید باز کنم
52
00:01:43,360 –> 00:01:45,759
تا نشان دهم آنچه در اینجا داریم
53
00:01:45,759 –> 00:01:48,079
این یک تصویر است که دارای پشته تصویر است
54
00:01:48,079 –> 00:01:50,159
که در واقع یک پشته tif است که در اینجا دارای 12 تصویر
55
00:01:50,159 –> 00:01:51,759
است البته در زندگی واقعی ممکن است
56
00:01:51,759 –> 00:01:53,360
صدها مورد از این تصاویر را داشته باشید که
57
00:01:53,360 –> 00:01:54,720
شما حاشیه نویسی کرده اید
58
00:01:54,720 –> 00:01:57,680
و در اینجا ماسک مربوطه وجود دارد، بنابراین
59
00:01:57,680 –> 00:02:00,240
این ماسک ها بزرگ هستند، اینها 1k در 1k هستند که
60
00:02:00,240 –> 00:02:02,960
معمولاً برای آموزش با
61
00:02:02,960 –> 00:02:04,159
62
00:02:04,159 –> 00:02:06,079
gpus کوچکتر در سیستم معمولی ما خیلی بزرگ هستند. ms بنابراین ما باید
63
00:02:06,079 –> 00:02:09,199
آنها را به 256 در 256 وصله برش دهیم،
64
00:02:09,199 –> 00:02:12,319
بنابراین چند عدد از اینها 10 24 در 256
65
00:02:12,319 –> 00:02:16,080
در امتداد این جهت
66
00:02:16,080 –> 00:02:18,319
به دست می آورید و سپس 768 به این معنی است که شما مانند سه مورد
67
00:02:18,319 –> 00:02:21,040
از این 256 وصله اندازه می گیرید و ما باید
68
00:02:21,040 –> 00:02:22,080
دقیقا این کار را انجام دهیم. برای هر دو یکسان است،
69
00:02:22,080 –> 00:02:24,319
بنابراین همه چیز به درستی منطبق است، بنابراین
70
00:02:24,319 –> 00:02:25,840
دوباره بسیار ساده است،
71
00:02:25,840 –> 00:02:29,360
بنابراین در اینجا من از آنها استفاده می کنم زیرا اینها
72
00:02:29,360 –> 00:02:31,040
فایل های راهنمایی هستند، من از کتابخانه ای به نام tiff
73
00:02:31,040 –> 00:02:33,920
file tiffili برای خواندن این فایل های راهنمایی
74
00:02:33,920 –> 00:02:34,560
استفاده می
75
00:02:34,560 –> 00:02:36,879
کنم، اگر تصاویر بزرگ معمولی وجود دارد می توانید از opencv استفاده کنید.
76
00:02:36,879 –> 00:02:38,560
یا یک تصویر روانی،
77
00:02:38,560 –> 00:02:40,720
بنابراین این کتابخانه ها باید کاملاً
78
00:02:40,720 –> 00:02:42,640
ساده باشند، چیزی
79
00:02:42,640 –> 00:02:44,879
غیر از Patchify وجود ندارد که در مورد آن صحبت کردیم
80
00:02:44,879 –> 00:02:45,760
81
00:02:45,760 –> 00:02:48,000
و دو چیز وجود دارد که در
82
00:02:48,000 –> 00:02:50,640
patchify می توانید روش patchify را وارد کنید
83
00:02:50,640 –> 00:02:51,200
و همچنین
84
00:02:51,200 –> 00:02:53,440
unpatchify کنید به این معنی که می توانید
85
00:02:53,440 –> 00:02:55,280
تصاویر خود را به کوچکتر برش دهید. اندازهها را
86
00:02:55,280 –> 00:02:57,120
انجام دهید و سپس کاری انجام دهید و سپس آنها را که
87
00:02:57,120 –> 00:02:59,680
تغییر شکل دادهاند یا تغییر شکل دادهاند یا
88
00:02:59,680 –> 00:03:01,840
تصاویر را به اندازه اصلی برگردانید
89
00:03:01,840 –> 00:03:03,519
و همه اینها را در
90
00:03:03,519 –> 00:03:05,120
دو آموزش بعدی انجام میدهیم، جایی که در
91
00:03:05,120 –> 00:03:07,599
مورد واحد بر روی تصاویر بزرگ و موارد صحبت
92
00:03:07,599 –> 00:03:10,319
میکنیم. f اما این روشی است که می
93
00:03:10,319 –> 00:03:12,080
توانید آنها را روی هارد دیسک خود ذخیره کنید، بنابراین
94
00:03:12,080 –> 00:03:14,000
بیایید ادامه دهیم و تصویر
95
00:03:14,000 –> 00:03:14,560
بزرگ و
96
00:03:14,560 –> 00:03:17,200
پشته ماسک بزرگ را بخوانیم، اساساً tiff.
97
00:03:17,200 –> 00:03:18,720
98
00:03:18,720 –> 00:03:20,000
99
00:03:20,000 –> 00:03:23,000
هر کدام 12 تصویر است
100
00:03:23,000 –> 00:03:24,159
768×1024
101
00:03:24,159 –> 00:03:26,959
خوب بیایید همین کار را برای ماسک های خود انجام دهیم 12
102
00:03:26,959 –> 00:03:27,360
تصویر
103
00:03:27,360 –> 00:03:30,560
12 ماسک هر کدام 768×1024
104
00:03:30,560 –> 00:03:32,239
اکنون می خواهم هر یک از این
105
00:03:32,239 –> 00:03:35,360
12 تصویر را مرور کنم و سپس این 768 1024
106
00:03:35,360 –> 00:03:37,040
را به تکه های کوچکتر برش دهیم، این دقیقا همان کاری است که
107
00:03:37,040 –> 00:03:37,840
ما در این قسمت انجام می دهیم
108
0