Advanced Computer Vision الرؤية بالحاسوب
هدف التدريب
الرؤيه بالحاسوب هى احدى مجالات علوم الحاسب والتى تهدف الى بناء تطبيقات ذكيه قادره على فهم محتوى الصور كما يفهمها الانسان. حيث من الممكن أن تأخذ بيانات الصور عدة أشكال كالصور المتعاقبة (فيديو)، المشاهد من عدة كاميرات، بيانات ذات عدة أبعاد مأخوذة من جهاز تصوير طبي. من الممكن وصف الرؤيه بالحاسوب باعتبارها مرادفا للرؤيه الفيزيولوجيه. فكما ان الرؤيه الفيزيولوجيه للانسان والحيوانات المختلفه يتم دراستها للتعرف على خصائصها فان علم الرؤيه بالحاسوب يدرس ويصف انظمه الرؤيه المصنه التى يتم تنفيذها فى البرامج والاجهزه . وقد اظهر التعاون بين مجالى دراسه الرؤيه الفيزيولوجيه و الرؤيه بالحاسوبيه تطورا فى تعميق الفهم لكلا المجالين. تعد الرؤية الحاسوبية من أهم تطبيقات الذكاء الاصطناعى ، وتقوم على تدريب الحواسيب على معالجة الصور الرقمية ومقاطع الفيديو من خلال نماذج التعلم الالى و التعلم العميق؛ بحيث تصبح قادرة على تحديد وتصنيف الأشياء وتزويدنا بمعلوماتٍ متنوعة حولها أو اتخاذ قرار ما. تتواجد أنظمة الرؤية الحاسوبية في جوانب كثيرة من حياتنا اليوم، وأهمها التعرف على الوجوه ، تنظيم المحتوى ، السيارات ذاتية القيادة ، تشخيص الأمراض. تزود هذه الدورة المشاركين بالمفاهيم المتقدمة للرؤيه بالحاسب وأفضل الممارسات والمعرفة العملية اللازمة لبناء تطبيقات الرؤيه بالحاسب.
المهارات المكتسبة وفقاً لإطار المهارات الرقمية:
فهرس موضوعات التدريب
اليوم الاول
مراجعة على قواعد هامة من دورة المرحلة التقديمة للرؤية الحاسوبية.
قواعد واساسيات متقدمة للرؤية الحاسوبية:
تصنيف وكشف الكائنات في الصور الرقمية.
التجزئه في الصور الرقمية.
تعلم النقل والازاحة والمراحلة فى الصور الرقمية
الازاحة والمراحلة المتقدمة في الصور الرقمية.
استخدام ResNet50
تعريب الكائن والكشف عنه.
تنفيذ تعريب الكائن باستخدام CNN
هندسة شبكة الاتصال لتعريب الكائن
تقييم توطين الكائنات في الصور الرقمية
أساليب متقدمة في تصنيف وتعريب الكائنات في الصور الرقمية
تنفيذ مصنف الصور مع التعلم النقل
اليوم الثاني
كشف الكائنات والشرائح المنقسمة.
استخدام R-CNN
استخدام Fast R-CNN
استخدام Faster R-CNN
كشف الكائنات في TensorFlow
واجهات برمجة التطبيقات لكشف الكائنات
التصور مع واجهات برمجة التطبيقات
إعادة التدريب مع الكشف عن الكائنات
تحميل نموذج شبكية العين RetinaNet
نظرة عامة على إعداد البيانات والتدريب الأولية لتعلم الالة
الكشف عن Eager Few Shot
استخدام واجهات برمجة التطبيقات للكشف عن الكائن يدويا وتعليق الصور
تنفيذ حلقة التدريب المخصصة لضبط نموذج باستخدام ٥ نماذج
اليوم الثالث
تجزئة الصور الرقمية.
هياكل مشهورة لتجزئة الصور الرقمية
تطبيق FCN
تفاصيل هيكلة FCN
اساليب UPSampling
أدوات الترميز في الصور الرقمية
فك أدوات الترميز في الصور الرقمية
التقييم باستخدام IoU و Dice Score
تنفيذ شبكة عصبية معقدة بالكامل CNN
اليوم الرابع
التصور والتفسير للصور الرقمية
Class Activation Maps
كود MNIST Class Activation Map
Saliency
خرائط Saliency
مخرجات التعلم
•معالجة, تصنيف, تقسيم و تحديد كائن الصور.
•الكشف عن الكائن وتحديده في الصور الرقمية .
•تطبيق تعلم النقل على التوطين والكشف عن الكائنات في الصور الرقمية.
•تطبيق نماذج الكشف عن الكائنات في الصور الرقمية مثل regional-CNN , ResNet-50.
•تخصيص النماذج الموجودة و بناء النماذج الخاصة بنا للكشف عن الصور الخاصة بنا وترجمتها وتصنيفها مثل صور rubber-duck.
تنفيذ تجزئة وتقسيم الصورة باستخدام أشكال مختلفة من الشبكة الملتوية FCN وتشمل U-Net, Mask-RCNN, لتحديد وكشف الأرقام والحيوانات الأليفة واشكال واعمار الأشخاص والمزيد أيضا
المتطلبات السابقة للتدريب
سعودي الجنسية.
الحصول على دبلوم كحد أدنى وفي تخصص تقني أو معلوماتي أو هندسي
وجود جهاز حاسب آلي سعته لا تقل عن 4 جيجا بايت وانترنت مناسب
ملاحظة الدورة من 5 مساءا الى 9 مساءا لمدة 4 أيام
| الشهادات الإحترافية المتعلقة |
|
|---|---|
| اسم مقدم الدورة |
|
| خبرات المدرب |
|