بایگانی/آرشیو برچسب ها : متلب

پردازش تصویر با استفاده از MATLAB – قسمت چهارم : مات زدایی و تبدیل هاف

پردازش تصویر در متلب مات زدایی و تبدیل هاف

در این سری از آموزش پردازش تصویر با MATLAB ، قصد داریم با استفاده از فرآیند مات زدایی تصویر ( Image Deblurring ) و تبدیل هاف ( Hough Transform ) ، نگاهی به پیش پردازش تصویر و تشخیص اشیاء خاص در تصویر داشته باشیم. هدف از مات زدایی یک تصویر …

بیشتر بخوانید »

پردازش تصویر با استفاده از MATLAB – قسمت سوم : فیلتر های فضایی

فیلتر های فضایی در متلب برای پردازش تصویر

روش های فیلتر های فضایی یا Spatial Filtering به عملیاتی گفته می شود که در آن مقدار حاصل از یک پیکسل در یک مختصات معین تابعی از مقدار پیکسل اصلی در آن نقطه و همچنین برخی از همسایگان آن پیکسل اصلی است. این عملیات شامل عملیات فیلتر خطی و عملیات فیلتر …

بیشتر بخوانید »

پردازش تصویر با استفاده از MATLAB – قسمت دوم : تکنیک ها و الگوریتم ها

پردازش تصویر با Matlan تکنیک ها و الگوریتم ها

پردازش تصویر شامل طیف وسیعی از تکنیک ها و الگوریتم ها است که فرآیند های اصلی و پایه این تکنیک ها عبارتند از : تیز کردن ، حذف نویز ، رفع ماتی ، تشخیص لبه ، باینری کردن ، افزایش کنتراست ، و ناحیه بندی و برچسب گذاری اشیاء. فهرست …

بیشتر بخوانید »

پردازش تصویر با MATLAB – قسمت اول : دستور های اولیه

پردازش تصویر با Matlab دستورات اولیه

در اولین قسمت از این آموزش ، اصول اولیه و همچنین مباحث پیشرفته پردازش تصویر درمحیط MATLAB را بررسی می کنیم. این مقالات شامل عملیات پایه تا پیشرفته به کمک جعبه ابزار پردازش تصویر MATLAB یا IPT و عملکرد آن ها روی تصاویر مختلف است. در قسمت اول این مجموعه …

بیشتر بخوانید »

دوره ی رایگان یادگیری ماشین استنفورد

دوره یادگیری ماشین اندرو انگ دانشگاه استنفورد

این دوره که توسط بنیانگذار Coursera ، اندرو انگ ( Andrew Ng ) ایجاد شده است ، معرفی گسترده ای در زمینه یادگیری ماشین را برای شما فراهم می کند. این دوره، برترین دوره ی ماشین آموزش در Coursera و انتخابی عالی برای مبتدیانی که تجربه برنامه نویسی پیشرفته ندارند، …

بیشتر بخوانید »

پیاده سازی شبکه عصبی عمیق در متلب – قسمت چهارم : الگوریتم پس انتشار

یادگیری عمیق الگوریتم پس انتشار

یکی از اساسی ترین مباحث در شبکه های عصبی، فرآیند آموزش شبکه است. آموزش شبکه به معنی یافتن وزن های نورون ها است که در شبکه های عصبی عمیق به معنای تعیین عناصر کرنل ها یا همان بانک فیلتری است. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن …

بیشتر بخوانید »

پیاده سازی شبکه عصبی عمیق در متلب – قسمت سوم : تماماً متصل

یادگیری عمیق تماما متصل

در درسنامه های قبل، لایه ی اول از شبکه های عصبی عمیق کانولوشن یعنی لایه ی کانولوشن و لایه ی دوم یعنی لایه ی Pooling را بررسی کردیم. در این قسمت، سایر لایه های این شبکه را مطالعه خواهیم کرد. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن …

بیشتر بخوانید »

پیاده سازی شبکه عصبی عمیق در متلب – قسمت دوم : پولینگ

یادگیری عمیق پولینگ

در درسنامه ی قبل، لایه ی اول از شبکه های عصبی عمیق کانولوشن یعنی لایه ی کانولوشن را بررسی کردیم. در این قسمت، سایر لایه های این شبکه را مطالعه خواهیم کرد. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن شبکه یادگیری عمیق ساده برای کلاسه بندی پیاده …

بیشتر بخوانید »

پیاده سازی شبکه عصبی عمیق در متلب – قسمت اول : کانولوشن

یادگیری عمیق روش ها

امروزه کاربرد شبکه های عصبی مصنوعی بسیار گسترده شده و تنوع شدیدی پیدا کرده است. شبکه های عصبی مصنوعی، شبیه سازی فعالیت و پروسه ی یادگیری مغز انسان بر روی کامپیوتر می باشد. شبکه های عصبی یکی از راه های هوشمندسازی کامپیوتر ها و بعبارتی یادگیری و بینایی ماشین هستند. …

بیشتر بخوانید »

پیاده سازی شبکه عمیق در متلب: ساختن شبکه یادگیری عمیق ساده برای کلاسه بندی

یادگیری عمیق deep learning

در این درسنامه که ترجمه ی یکی از مثال های موجود در متلب است، نشان می دهیم که چگونه می توان یک شبکه عصبی کانولوشن ساده را برای کلاسه بندی آموزش عمیق ساخته و آموزش دهیم.

بیشتر بخوانید »