بایگانی/آرشیو برچسب ها : یادگیری عمیق

تشخیص اشیا با استفاده از YOLOv5 و OpenCV DNN در ++C  و Python

تشخیص اشیا با YOLOv5

YOLO از اولین انتشار خود راه طولانی را پیموده است و اکنون هشت نسخه اصلی در مجموعه خانواده YOLO وجود دارد. نسخه های رسمی توسط Joseph Redmon  از YOLOv1 تا YOLOv3، و نسخه های دیگر مانند YOLOv4 و YOLOv5 و PP-YOLO و YOLOR و YOLOX .نسخه جدید YOLOv5 از اولین …

بیشتر بخوانید »

آموزش جامع شبکه های عصبی

دوره یادگیری عمیق آموزش شبکه عصبی

هوش مصنوعی و یادگیری ماشین ، تنها عنواینی برای مقاله ها و موضوعی برای ساختن فیلم های جذاب و پرمخاطب نیستند. این فناوری ها به وجود آمده اند تا در زندگی روزمره مان، تفاوتی واقعی ایجاد کنند. فناوری هایی مانند وسایل نقلیه خودران و لوازم پزشکی حیات بخش جزو این موارد به حساب می آید. …

بیشتر بخوانید »

تشخیص تصاویر با شبکه های عصبی کانولوشنی به زبان ساده

تشخیص تصاویر با شبکه های عصبی کانولوشنی

در این مطلب می خواهیم بررسی کنیم که شبکه های عصبی کانولوشنی چگونه می توانند تصاویر و محتوای آن ها را تشخیص دهند. همانطور که حدود ۱۰۰ سال پیش الکتریسیته تقریبا همه چیز را دگرگون کرد، امروزه نیز به سختی می توان صنعتی را در نظر گرفت که هوش مصنوعی …

بیشتر بخوانید »

نگاهی تخصصی به فناوری کیو-یادگیری عمیق

کیو-یادگیری عمیق

در قسمت دوم این مجموعه در مورد هوش مصنوعی خودآموز، به شما نشان خواهیم داد که چگونه عوامل هوش مصنوعی یاد می گیرند در محیط هایی با فضاهای عمل مجزا، رفتار کنند. در قسمت اول این مجموعه، فرآیندهای تصمیم مارکوف را معرفی کردیم که اساس یادگیری تقویتی عمیق است. قبل …

بیشتر بخوانید »

تشخیص ناهنجاری در تصاویر با شبکه های عصبی کانولوشنی قابل توضیح

تشخیص ناهنجاری با شبکه های عصبی کانولوشنی

در این مقاله قصد داریم قدرت شگفت انگیز هوش مصنوعی و شبکه های عصبی قابل توضیح را در آموزش مدل تشخیص اشیا بدون باکس های محدود کننده برچسب خورده ، نشان دهیم. علی رغم دقت بالای شبکه های عصبی مصنوعی ، در  حوزه هایی مانند پزشکی، بانکداری، آموزش و… چندان …

بیشتر بخوانید »

چگونه هوش مصنوعی خود را از طریق یادگیری تقویتی عمیق آموزش می دهد

یادگیری عمیق تقویتی هوش مصنوعی

در این مجموعه چهار قسمتی، به شما نشان خواهیم داد که فرآیند تصمیم گیری مارکوف چگونه انجام می شود و نظریه ریاضی که برای درک یادگیری تقویتی عمیق باید بدانید را به شما آموزش خواهیم داد. این اولین مقاله از مجموعه چند قسمتی در مورد خودآموزی عامل های هوش مصنوعی …

بیشتر بخوانید »

چهره واقعی یا جعلی : توضیح علمی شبکه های مولد تخاصمی ( GAN )

دیپ فیک شبکه های مولد تخاصمی

چگونه می توانیم تفاوت بین آنچه واقعی است و آنچه واقعی نیست را تشخیص دهیم؟ بیایید در مورد علوم پشت شبکه های مولد تخاصمی بیشتر بیاموزیم تا به این موضوع پی ببریم. در دو دهه گذشته شاهد پیشرفت های بزرگی در عرصه ی هوش مصنوعی بوده ایم. هوش مصنوعی در …

بیشتر بخوانید »

یادگیری عمیق با داده های اندک برای کلاسه بندی تصاویر ابر طیفی

یادگیری عمیق با داده های اندک برای کلاسه بندی تصاویر ابر طیفی

تجزیه و تحلیل تصاویر ابر طیفی ( Hyperspectral ) می تواند اطلاعات طیفی و مکانی فراوانی را به طور همزمان در اختیار کاربران قرار دهد. چنین اطلاعات فراوانی به طور گسترده ای در برنامه های مربوط به مشاهده زمین به عنوان نظارت بر محیط زیست و کشاورزی مورد استفاده قرار …

بیشتر بخوانید »

تشخیص اشیا با داده های اندک برای کاربرد سنجش از راه دور

تشخیص اشیا با داده های اندک برای کاربرد سنجش از راه دور

تشخیص اشیا یک مساله قدیمی در زمینه سنجش از راه دور و بینایی رایانه ای بوده است. این به طور کلی به عنوان شناسایی مکان اشیا هدف در تصویر ورودی و همچنین شناسایی دسته های اشیا تعریف می شود. تشخیص خودکار شی در بسیاری از کاربرد های دنیای واقعی، مانند …

بیشتر بخوانید »

تشخیص بیماری گیاهان با داده های اندک

تشخیص بیماری گیاهان با داده های اندک

الگوریتم های طبقه بندی خودکار بیماری های گیاهی در کشاورزی بسیار مهم هستند، به عنوان مثال برای جلوگیری یا کاهش آفت ها. شناسایی سریع بیماری های گیاهی به دلیل کمبود زیرساخت های لازم در بخش های زیادی از جهان دشوار است. با استفاده از فناوری های روز ، تصاویر از …

بیشتر بخوانید »