در دهه اخیر، دستاوردهای هوش مصنوعی مورد توجه جنبههای مختلفی از علوم بوده است. کسب دانش کافی در این زمینه نه تنها میتواند منجر به اکتشافات شگرفی در علم شود، بلکه پیشرفتهای چشمگیری در مرتبه شغلی افراد به وجود میآورد. در میان زیرشاخههای هوش مصنوعی، پردازش تصویر از اهمیت ویژهای برخوردار است. این زیرشاخه با بهرهگیری از ابزارهای برنامهنویسی مانند پایتون (Python) و بسترهای شبیهسازی مانند تنسورفلو (TensorFlow) بسیاری از نیازهای کاربران را رفع کرده است. محققان میتوانند با طراحی و شبیهسازهای ویژه به تحقیق و مطالعه در زیرمجموعههایی از جمله تشخیص تومورهای سرطانی، طبقهبندی محصولات در کارخانه و تولید تصاویر غیرواقعی بپردازند. با مکانیزه شدن بسیاری از امور روزانه، مکان یابی اشیا جایگاه خاصی پیدا کرده است. این مکانیابی اشیا میتواند بر اساس تشخیص رنگ، یافتن یک شیء خاص و یا ترکیبی از این دو باشد. در این آموزش از مجموعه آموزشهای فرادرس، ابتدا یک شبیهساز طراحی میکنیم تا با استفاده از خوشهبندی KMeans، درصد رنگهای موجود در یک تصویر را تشخیص بدهد، سپس شبیهساز دیگری به کمک شبکه عصبی کانولوشنی (Convolutional Neural Network) طراحی میکنیم و یک تابع عقبگرد ویژه متناسب با نیاز کاربر قرار میدهیم و سپس مدل را برای یافتن مکان شی در یک تصویر، آموزش میدهیم. در انتها، شبیهساز طراحیشده قادر است با درصد قابل قبولی، مکان شی در تصویر را گزارش دهد.
