در این مطلب، ویدئو 5 پروژه بینایی کامپیوتری عالی با استفاده از پایتون | پایتون را یاد بگیرید 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: 00:06:02
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,560 –> 00:00:02,639
پنج پروژه عالی بینایی کامپیوتری
2
00:00:02,639 –> 00:00:04,319
با استفاده از پایتون
3
00:00:04,319 –> 00:00:06,000
سلام به همه اگر به دنبال شروع
4
00:00:06,000 –> 00:00:07,600
کار خود به عنوان دانشمند داده از
5
00:00:07,600 –> 00:00:08,320
6
00:00:08,320 –> 00:00:10,960
ابتدا هستید، در جای مناسبی هستید که
7
00:00:10,960 –> 00:00:13,040
حوزه بینایی کامپیوتر
8
00:00:13,040 –> 00:00:15,200
در چند سال گذشته رونق داشته و
9
00:00:15,200 –> 00:00:16,560
پیشرفت سریعی داشته است. در زمینه
10
00:00:16,560 –> 00:00:18,640
هوش مصنوعی به دلیل
11
00:00:18,640 –> 00:00:19,359
نوآوری های
12
00:00:19,359 –> 00:00:21,039
بی شمار تنها بینایی رایانه ای
13
00:00:21,039 –> 00:00:23,199
را به سرعت به سطح بعدی می
14
00:00:23,199 –> 00:00:24,800
برد. دلیل تغییر ناگهانی
15
00:00:24,800 –> 00:00:27,279
آشکار است بیشتر صنایع امروز
16
00:00:27,279 –> 00:00:29,599
مراقبت های بهداشتی خودرو بانکداری
17
00:00:29,599 –> 00:00:30,560
کشاورزی
18
00:00:30,560 –> 00:00:33,520
تولید نظارت بر خرده فروشی و
19
00:00:33,520 –> 00:00:34,559
انبوهی از دیگران
20
00:00:34,559 –> 00:00:36,880
به قدرت بینایی کامپیوتر
21
00:00:36,880 –> 00:00:38,719
از این رو فرصتهای شغلی بیشتری
22
00:00:38,719 –> 00:00:40,239
در بازار پدیدار میشود،
23
00:00:40,239 –> 00:00:43,680
اما بینایی کامپیوتر چیست، بینایی کامپیوتر
24
00:00:43,680 –> 00:00:44,000
25
00:00:44,000 –> 00:00:46,000
زیرشاخهای از علوم کامپیوتر است که
26
00:00:46,000 –> 00:00:48,399
بر روی توانمند ساختن ماشینها برای دیدن
27
00:00:48,399 –> 00:00:51,280
شناسایی و پردازش تصاویر دقیقاً همانطور
28
00:00:51,280 –> 00:00:52,640
که بینایی انسان انجام میدهد تمرکز میکند
29
00:00:52,640 –> 00:00:54,800
و البته ماشین نیز
30
00:00:54,800 –> 00:00:56,160
خروجی مناسبی را ارائه
31
00:00:56,160 –> 00:00:58,239
میکند. به عبارت ساده بینایی کامپیوتری به
32
00:00:58,239 –> 00:01:00,399
انسان هوش می دهد
33
00:01:00,399 –> 00:01:01,520
34
00:01:01,520 –> 00:01:03,520
اکنون اجازه دهید توضیح دهم که چرا
35
00:01:03,520 –> 00:01:05,680
تشخیص تصاویر به اشیاء مختلف
36
00:01:05,680 –> 00:01:07,680
برای کامپیوترها بسیار پیچیده است.
37
00:01:07,680 –> 00:01:09,280
38
00:01:09,280 –> 00:01:11,119
39
00:01:11,119 –> 00:01:12,000
40
00:01:12,000 –> 00:01:14,880
41
00:01:14,880 –> 00:01:16,880
42
00:01:16,880 –> 00:01:18,400
و تمایز بین رایج ترین
43
00:01:18,400 –> 00:01:20,560
اشیاء در محیط
44
00:01:20,560 –> 00:01:23,200
شگفت آور است آیا این دقیقاً
45
00:01:23,200 –> 00:01:25,439
جایی نیست که بینایی کامپیوتر به کار می آید
46
00:01:25,439 –> 00:01:27,280
این حوزه وسیع یادگیری ماشینی
47
00:01:27,280 –> 00:01:29,520
به ماشین ها می آموزد که
48
00:01:29,520 –> 00:01:31,360
ببینند هدف اصلی بینایی کامپیوتر
49
00:01:31,360 –> 00:01:34,400
استخراج معنای دقیق از پیکسل ها
50
00:01:34,400 –> 00:01:35,920
در این کوتاه است. ویدیو میخواهم
51
00:01:35,920 –> 00:01:37,840
ایدههای پروژه بینایی رایانهای را با شما به اشتراک بگذارم
52
00:01:37,840 –> 00:01:39,600
که اعتماد به نفس شما را افزایش
53
00:01:39,600 –> 00:01:41,439
54
00:01:41,439 –> 00:01:43,680
55
00:01:43,680 –> 00:01:47,040
56
00:01:48,430 –> 00:01:52,689
57
00:01:52,840 –> 00:01:54,880
58
00:01:54,880 –> 00:01:58,079
59
00:01:58,079 –> 00:01:59,439
میدهد. تعداد وسایل نقلیه و
60
00:01:59,439 –> 00:02:01,520
تصاویر و ویدئوها می توانند
61
00:02:01,520 –> 00:02:03,360
برای مدیریت ترافیک بسیار مفید
62
00:02:03,360 –> 00:02:05,119
باشند سیستم شمارش ehicle همچنین می تواند
63
00:02:05,119 –> 00:02:07,360
به ماشین های بدون راننده کمک کند
64
00:02:07,360 –> 00:02:09,038
در این پروژه شما تعداد
65
00:02:09,038 –> 00:02:11,120
وسایل نقلیه را با دقت بالا بشمارید حتی در
66
00:02:11,120 –> 00:02:12,480
سناریوهای پیچیده
67
00:02:12,480 –> 00:02:14,319
مانند موانع و وجود
68
00:02:14,319 –> 00:02:16,160
سایه ها می توانید از
69
00:02:16,160 –> 00:02:18,440
مجموعه داده تصویر وسیله نقلیه استفاده کنید مجموعه ای از
70
00:02:18,440 –> 00:02:21,120
3400 عکس خودرو به علاوه
71
00:02:21,120 –> 00:02:22,480
با آموزش خود شروع کنید. مدل برای
72
00:02:22,480 –> 00:02:24,239
تشخیص خودروها
73
00:02:24,239 –> 00:02:26,480
مجموعه داده همچنین نزدیک به 4000
74
00:02:26,480 –> 00:02:28,480
تصویر از توالی های جاده ای دارد که وسایل نقلیه ندارند،
75
00:02:28,480 –> 00:02:29,520
76
00:02:29,520 –> 00:02:31,360
زیرا چندین کلاس خودرو
77
00:02:31,360 –> 00:02:32,879
در مجموعه داده وجود دارد، می توانید
78
00:02:32,879 –> 00:02:34,840
فرصتی برای آموزش دقیق مدل خود به دست آورید
79
00:02:34,840 –> 00:02:37,760
80
00:02:37,760 –> 00:02:41,040
شماره دو یاد بگیرید ردیابی شی
81
00:02:41,040 –> 00:02:43,120
یک برنامه پیشرفته تجزیه و تحلیل ویدئویی
82
00:02:43,120 –> 00:02:44,640
بینایی کامپیوتری
83
00:02:44,640 –> 00:02:46,800
یک مدل ردیابی شی
84
00:02:46,800 –> 00:02:49,599
یک شی خاص را در یک ویدیو شناسایی
85
00:02:49,599 –> 00:02:52,239
و ردیابی
86
00:02:52,239 –> 00:02:55,040
87
00:02:55,040 –> 00:02:57,440
88
00:02:57,440 –> 00:02:59,040
89
00:02:59,040 –> 00:03:01,280
می کند. برای انجام دو کار
90
00:03:01,280 –> 00:03:02,800
در ردیابی
91
00:03:02,800 –> 00:03:06,159
پیش