آموزش تشخیص و شناسایی اشیا با شبکه های عصبی در متلب MATLAB + گواهینامه
4 ساعت
3.8
شبکه عصبی یک شبکه متشکل از نورونها یا گرههای مصنوعی است که ساخت این شبکهها از ساختار مغز انسان الگو گرفته شده است. شبکه مصنوعی ممکن است برای مدلسازی پیشگویانه، کنترل تطبیقی و برنامههای کاربردی مورد استفاده قرار گیرد که برای انجام این امور به آموزش داده نیاز دارد. یادگیری عمیق (Deep Learning) شاخهای از یادگیری ماشین است به طوری که به کامپیوترها آموزش میدهد تا آنچه را که به طور طبیعی به انسانها مربوط میشود، انجام دهند. یکی از کاربردهای حوزه شبکه عصبی، تشخیص اشیا (Object Detection) است که یک تکنیک بینایی رایانهای برای پیدا کردن یک یا چند شی خاص در تصاویر و یا ویدئو است. الگوریتمهای یادگیری ماشین از روشهای محاسباتی برای یادگیری اطلاعات مستقیم از دادهها بدون اتکا به یک معادله از پیش تعیین شده به عنوان یک مدل استفاده میکنند. انسانها با اندک زمان نگاه کردن به یک تصویر یا ویدئو قادر به تشخیص یک شی خاص در آن هستند اما در کارهای صنعتی و بزرگ این امر همراه با خطا است. تشخیص اشیا به کمک ماشینها توسط روشهایی همچون: R-CNN, Fast R-CNN Faster R-CNN, YOLO و SSD قابل پیادهسازی است. استفاده از تشخیص اشیا در ماشینها سرعت و دقت کارها را بالا میبرد و باعث به حداقل رساندن خطای انسانی میگردد. تشخیص اشیا کاربردهای فراوانی در حوزههای مختلف دارد. به عنوان مثال: قابلیت تشخیص پلاک خودروها توسط دوربینهای راهنمایی و رانندگی، تشخیص چهره، رانندگی خودکار، تشخیص مسیر، تشخیص عابران پیاده و... نمونهای از کاربرد تشخیص اشیا است.
