طبقه بندی تصاویر وب کم با شبکه های عصبی عمیق


در این درس-پروژه هوش مصنوعی و شبکه های عصبی عمیق می خواهیم از برخی از شبکه های عصبی عمیق (Deep Neural Networks) و کانولوشنی (Convolutional Neural Network) که با استفاده از یادگیری عمیق جهت دسته بندی تصاویر ImageNet از قبل آموزش دیده اند و در نرم افزار متلب (MATLAB) موجود هستند استفاده نماییم و از طریق آنها تصاویر دریافتی از وبکم یا دوربین متصل به کامپیوتر را دسته بندی کنیم، بدین معنی که اجسام درون تصویر را شناسایی نماییم.
مطالبی که در این پروژه خواهیم دید:
- نحوه استفاده از شبکه های عصبی عمیق آموزش دیده در متلب و استفاده از آنها در دیگر مسائل دسته بندی
- نحوه دریافت تصاویر از وبکم در مطلب
- دسته بندی تصاویر دریافتی از وبکم و دسته بندی آن با استفاده از شبکه عصبی عمیق یا کانولوشنی
- دسته بندی فریم های ویدیوی دریافتی بصورت پیوسته
- نشان داده درصد تعلق تصویر یا فریم ورودی به هر یک از کلاسهای شبکه عصبی عمیق کانولوشنی
آنچه با خرید این مجموعه دریافت خواهید نمود:
1- کدهای کامنت گذاری شدۀ متلب مثال های ارائه شده در این درس-پروژه
2- ویدئوی توضیح فشردۀ نحوه استفاده از شبکه های عصبی آموزش یافته برای دسته بندی تصاویر در یافتی از وبکم در متلب از طریق مرور خط به خط دستورهای استفاده شده در کدهای ارائه شده
3- فایل pdf توضیح این درس-پروژه که در بردارندۀ تعریف صورت مسئله، بیان خلاصۀ شبکه های عمیق قابل دسترس در متلب و نحوۀ حل مثال های ارائه شده در محیط متلب با توضیح کامل دستورات استفاده شده می باشد.
لازم به ذکر است که برای اجرای این درس-پروژه در متلب باید Deep Learning Toolbox نصب شده باشد. آشنایی اولیه با مفاهیم شبکه های عصبی و شبکه های عصبی عمیق برای درک بهتر این دوره قویاً توصیه می شود.
نمونه ای از خروجی های تولیدی کد متلب مورد بررسی:
ویژگی های دوره
- عناوین 1
- امتحانات 0
- مدت 48 دقیقه
- سطح مهارت تحصیلات تکمیلی
- زبان فارسی
- دانشجویان 94
- گواهی نه
- ارزیابی ها بله