✅ در ویرایش چهارم کتاب پردازش تصویر دیجیتالی (Digital Image Processing 4th Edition)، مباحثی چون یادگیری عمیق و شبکه‌های عصبی عمیق شامل شبکه‌های عصبی کانولوشن، تغییر شکل مقیاس ثابت (SIFT)، مناطق اکسترمم حداکثر پایدار، برش گراف، خوشه بندی k-means و سوپر پیکسل ها، خطوط فعال (مارپیچ‌ها و مجموعه‌های مسطح) و تطبیق دقیق هیستوگرام آورده شده است. بهبود‌های اساسی در سازمان دهی مجدد ارائه موضوعات مربوط به تبدیلات تصویر به شکل منسجم‌تر و بحث هسته‌های فضایی و فیلتر کردن فضایی انجام گرفته است.

بازنگری‌ها و اضافات عمده ای به مثال‌ها و تکالیف در طول کتاب انجام شده است. برای اولین بار پروژه‌های متلب را در انتهای هر فصلی قرار داده شده پکیج‌های پشتیبانی کامپایل شده شامل راه حل ها، پایگاه داده‌های تصاویر و نمونه کد‌ها را نیز در اختیار قرار داده شده.

✳️ آموزش متلب
🆔: @matlabanyone

✅ آموزش تشخیص شئ Object Detection با استفاده از یادگیری عمیق در متلب(MATLAB): شامل موارد زیر

✴️ آموزش مباحث تئوری مقاله های پایه :
RCNN, Fast RCNN, Faster RCNN
✴️ بررسی سخت افزار و نرم افزار مورد نیاز
✴️ آموزش اضافه کردن جعبه ابزار مورد نیاز با متلب
✴️ بررسی داده dataset مورد نیاز و شرایط آن
✴️ نحوه ایجاد یک معماری ساده CNN و نحوه اموزش ان روی تصاویر دلخواه
✴️ استفاده از معماری های متفاوت برای تشخیص شی رو دیتاست های متفاوت :
علامت توقف ممنوع، عابر پیاده و ماشین
🔶 اموزش نحوه کد نویسی روش تشخیص شی YOLO v2
....

⭕️ مدت زمان اموزش 5 ساعت و ۵ دقیقه
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ معرفی آموزش تشخیص شئ Object Detection با استفاده از یادگیری عمیق در متلب(MATLAB)

❇️ مشاهده دمو آموزش

https://www.aparat.com/v/DiLYV

⭕️ مدت زمان اموزش 5 ساعت و ۵ دقیقه
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ معرفی آموزش تشخیص ماشین Car Detection با استفاده از یادگیری عمیق در متلب(MATLAB)

❇️ مشاهده دمو آموزش

https://www.aparat.com/v/o7QZL

⭕️ مدت زمان اموزش ۴ ساعت
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ معرفی آموزش تشخیص عابر پیاده Pedestrian Detection با استفاده از یادگیری عمیق در متلب(MATLAB)

❇️ مشاهده دمو آموزش
https://www.aparat.com/v/Gi07s

⭕️ مدت زمان آموزش ۴ ساعت
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ آموزش یادگیری عمیق در متلب(MATLAB): شامل موارد زیر

✴️ آموزش مباحث تئوری
✴️ بررسی سخت افزار و نرم افزار مورد نیاز
✴️ آموزش اضافه کردن جعبه ابزار مورد نیاز با متلب
✴️ بررسی انواع معماری های CNN
(Alexnet, Googlenet, Inceptionv3, Resnet18 50 , ...)
✴️ نحوه ایجاد یک معماری ساده CNN و نحوه اموزش ان روی تصاویر دلخواه
✴️ استفاده از معماری های متفاوت برای طبقه بندی تصاویر رنگی و خاکستری
✴️ نحوه خواندن و اماده سازی تصاویر از طریق فولدر
....
⭕️ مدت زمان اموزش ۴ ساعت و نیم
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ دمو آموزش یادگیری عمیق Deep Learning در متلب(MATLAB)

✴️ لینک مشاهده دمو آموزش
http://www.aparat.com/v/lzC2T

🔶 مدرس:
@hassan_saadatmand

✳️ آموزش متلب
🆔: @matlabanyone

✅ دمو آموزش استخراج ویژگی از تصاویر دلخواه(رنگی و خاکستری) با یادگیری عمیق (معماری های مختلف CNN) در متلب
✅ و طبقه بندی ویژگی های استخراج شده با ۴ الگوریتم:
🔵 نایو بیزین
🔵 درخت تصمیم
🔵 ماشین بردار پشتیبان SVM
🔵 نزدیکترین همسایه KNN

✴️ لینک مشاهده دمو آموزش
http://www.aparat.com/v/BDaFM

🔶 مدرس:
@hassan_saadatmand

✳️ آموزش متلب
🆔: @matlabanyone

❇️ MATLAB Machine Learning Book
📕 یادگیری ماشین با متلب | نسخه دوم
📅سال چاپ: 2019
📝چاپ کننده: Apress
🧷 دانلود: 👇👇👇

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone

❇️ MATLAB Machine Learning Book
📕 یادگیری ماشین با متلب | نسخه دوم
📅سال چاپ: 2019
📝چاپ کننده: Apress

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone

✅ معرفی آموزش تشخیص ماشین Car Detection با استفاده از یادگیری عمیق در متلب(MATLAB)

❇️ مشاهده دمو آموزش

https://www.aparat.com/v/o7QZL

⭕️ مدت زمان اموزش ۴ ساعت
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

در خانه بمانید!
عزیزان در خانه بمانید!
هشدارهای ایمنی و بهداشتی را جدی بگیرید.
برای نجات از این بیماری مهلک هم بستگی و اتحاد لازم است.
خواهش می کنم در خانه بمانید!

T.me/matlabanyone

✅ آموزش تشخیص شئ Object Detection با استفاده از یادگیری عمیق در متلب(MATLAB): شامل موارد زیر

✴️ آموزش مباحث تئوری مقاله های پایه :
RCNN, Fast RCNN, Faster RCNN
✴️ بررسی سخت افزار و نرم افزار مورد نیاز
✴️ آموزش اضافه کردن جعبه ابزار مورد نیاز با متلب
✴️ بررسی داده dataset مورد نیاز و شرایط آن
✴️ نحوه ایجاد یک معماری ساده CNN و نحوه اموزش ان روی تصاویر دلخواه
✴️ استفاده از معماری های متفاوت برای تشخیص شی رو دیتاست های متفاوت :
علامت توقف ممنوع، عابر پیاده و ماشین
🔶 اموزش نحوه کد نویسی روش تشخیص شی YOLO v2
....

⭕️ مدت زمان اموزش 5 ساعت و ۵ دقیقه
🔵 مدرس:
@hassan_saadatmand


✳️‌ آموزش متلب
🆔: @matlabanyone

✅ آموزش جعبه ابزار پردازش تصویر متلب به زبان فارسی

🔶 مدرس:
دکتر هادی گرایلو

✳️ آموزش متلب
🆔: @matlabanyone

✅ آموزش کاملی از مقدمات و اصول اولیه متلب
💎💎💎 بسیار عالی 👌👌👌

🔸 مدرس دکتر روحانی

✳️ آموزش متلب
🆔: @maylabanyone

🌼🍃🌸🍃🌺🍃🌸🍃🌺
🍃🌺🍃🌸🍃🌺
🌺🍃🌸
🌸

🎉نوروز 1399 مبارک🎉
ان شاء الله سال مفیدی رو برای خودتان خلق کنید.
تندرست و شاد باشید.

✳️ آموزش متلب
🆔 T.me/matlabanyone

🌸
🌺🍃🌸
🍃🌺🍃🌸🍃🌺
🌼🍃🌸🍃🌺🍃🌸🍃🌺

اجرای آنلاین MATLAB متلب

✅ اگر روی سیستم خودتون متلب نصب نیست و نیاز فوری دارید که یک کد ساده متلب رو اجرا کنید و یا نیاز به رسم یک نمودار دارید که فقط از عهده متلب بر میاد نگران نباشید. به راحتی میتونید نیاز خودتون رو برآورده کنید فقط کافیه با کامپیوتر یا گوشی هوشمند خودتون به اینترنت دسترسی داشته باشید. وارد یکی از سه سایت زیر شوید و کد مورد نظر رو کپی پیست و یا تایپ کنید و دکمه اجراء رو کلیک کنید. به این صورت کد شما روی سرور اجرا میشه و نتایج رو روی مرورگر خودتون مشاهده خواهید کرد.

🖇 http://octave-online.net
🖇 http://www.tutorialspoint.com/execute_matlab_online.php
🖇 https://plot.ly/matlab/

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone

‌
مجموعه پادکست
کاربردهای هوش مصنوعی در کسب و کار

بخش یکم: مقدمه

برخی مطالب پوشش داده شده:
- تأثیر هوش مصنوعی در جوامع، صنایع و کسب و کارها
- مزایای هوش مصنوعی
- برنامه‌های کشورها و دولت‌ها
- نظرات بزرگان کسب و کار
- تعاریف پایه هوش مصنوعی
- مؤلفه‌های مهم در اثربخشی یادگیری عمیق
- فرصت‌های استفاده از هوش مصنوعی در کسب و کارها

🔗 لینک این اپیزود در کست‌باکس [+]

#پادکست #هوش_مصنوعی
______________

سید مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris

کانال پرسش و پاسخ: @Kalami_QA

‌

Deb, K., & Jain, H. (2014). An Evolutionary Many-Objective Optimization Algorithm Using Reference-Point-Based Nondominated Sorting Approach, Part I: Solving Problems With Box Constraints. IEEE Transactions on Evolutionary Computation, 18(4), 577–601. doi:10.1109/TEVC.2013.2281535