پیشنیاز پیشنیاز خاصی لازم نیست؛ آشنایی پایه با کار با رایانه کافی است.
هدفهای یادگیری مفهوم «داده تصویری و مبانی بینایی ماشین» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Pixels, channels, bit depth and colour spaces موضوع فنی: Classification, detection, segmentation and keypoints موضوع فنی: Image provenance, annotation and train/test leakage موضوع فنی: Resolution, aspect ratio and domain shift موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز Python OpenCV Pillow Jupyter
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «داده تصویری و مبانی بینایی ماشین» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Pixels, channels, bit depth and colour spaces، موضوع فنی: Classification, detection, segmentation and keypoints، موضوع فنی: Image provenance, annotation and train/test leakage؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «داده تصویری و مبانی بینایی ماشین» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: پردازش تصویر و افزایش داده
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «پردازش تصویر و افزایش داده» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Resize, crop, padding and normalization موضوع فنی: Colour transforms and geometric operations موضوع فنی: Augmentation without label corruption موضوع فنی: Batch loading and reproducibility موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز OpenCV Albumentations torchvision
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «پردازش تصویر و افزایش داده» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Resize, crop, padding and normalization، موضوع فنی: Colour transforms and geometric operations، موضوع فنی: Augmentation without label corruption؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «پردازش تصویر و افزایش داده» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: بینایی کلاسیک و خط مبنا
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «بینایی کلاسیک و خط مبنا» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Thresholding, morphology and contours موضوع فنی: Edges, keypoints and descriptors موضوع فنی: Image registration and similarity موضوع فنی: Baseline metrics and error inspection موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز OpenCV scikit-image NumPy
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «بینایی کلاسیک و خط مبنا» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Thresholding, morphology and contours، موضوع فنی: Edges, keypoints and descriptors، موضوع فنی: Image registration and similarity؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «بینایی کلاسیک و خط مبنا» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: شبکههای کانولوشنی و یادگیری انتقالی
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «شبکههای کانولوشنی و یادگیری انتقالی» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Convolutions, pooling and receptive fields موضوع فنی: Pretrained backbones and frozen layers موضوع فنی: Losses, optimizers and regularization موضوع فنی: Learning curves and class imbalance موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز PyTorch torchvision TensorBoard
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «شبکههای کانولوشنی و یادگیری انتقالی» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Convolutions, pooling and receptive fields، موضوع فنی: Pretrained backbones and frozen layers، موضوع فنی: Losses, optimizers and regularization؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «شبکههای کانولوشنی و یادگیری انتقالی» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: تشخیص اشیا و بخشبندی نمونهای
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «تشخیص اشیا و بخشبندی نمونهای» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Bounding boxes and annotation formats موضوع فنی: IoU, precision-recall and mAP موضوع فنی: Detection vs instance segmentation موضوع فنی: Non-maximum suppression and threshold tuning موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز Ultralytics or torchvision detection CVAT or Label Studio COCO evaluation tools
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «تشخیص اشیا و بخشبندی نمونهای» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Bounding boxes and annotation formats، موضوع فنی: IoU, precision-recall and mAP، موضوع فنی: Detection vs instance segmentation؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «تشخیص اشیا و بخشبندی نمونهای» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: بینایی پیشرفته: ویدئو، ردیابی و چندوجهی
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «بینایی پیشرفته: ویدئو، ردیابی و چندوجهی» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Video frame sampling and temporal consistency موضوع فنی: Object tracking and optical flow موضوع فنی: Pose estimation or OCR as task-specific modules موضوع فنی: Edge inference and quantization trade-offs موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز OpenCV ONNX Runtime MediaPipe where relevant
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «بینایی پیشرفته: ویدئو، ردیابی و چندوجهی» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Video frame sampling and temporal consistency، موضوع فنی: Object tracking and optical flow، موضوع فنی: Pose estimation or OCR as task-specific modules؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «بینایی پیشرفته: ویدئو، ردیابی و چندوجهی» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: استحکام، تبیینپذیری و استقرار
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «استحکام، تبیینپذیری و استقرار» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Lighting, blur, occlusion and camera-domain shifts موضوع فنی: Calibration and confidence thresholds موضوع فنی: Model export, batching and inference profiling موضوع فنی: Privacy and responsible image handling موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز Captum or saliency tools ONNX Docker
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «استحکام، تبیینپذیری و استقرار» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Lighting, blur, occlusion and camera-domain shifts، موضوع فنی: Calibration and confidence thresholds، موضوع فنی: Model export, batching and inference profiling؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «استحکام، تبیینپذیری و استقرار» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
مرحله بعدی: پروژه نهایی سامانه کامل بینایی
✓ این مرحله را تکمیل کردم
پیشنیاز تکمیل مرحله قبلی و تسلط بر خروجیهای آن، بههمراه محیط تمرینی آماده.
هدفهای یادگیری مفهوم «پروژه نهایی سامانه کامل بینایی» و ارتباط آن با بینایی ماشین را توضیح بدهی. موضوعات فنی این مرحله را در یک محیط کنترلشده اجرا و اعتبارسنجی کنی. نتیجه، خطاها، محدودیتها و تصمیمهای فنی را مستند کنی.
موضوعاتی که باید یاد بگیری موضوع فنی: Dataset specification and annotation QA موضوع فنی: Training and model selection موضوع فنی: Inference interface and telemetry موضوع فنی: Security, privacy and maintenance plan موضوع فنی: Computer Vision specialization: Computer Vision: focus on image pipelines, augmentation, classification, detection/segmentation and spatial evaluation.
ابزارهای موردنیاز PyTorch OpenCV FastAPI Git
تمرین عملی در یک محیط آزمایشگاهی یا پروژه محلی، یک سناریوی واقعی از «پروژه نهایی سامانه کامل بینایی» را اجرا کن. ورودیها، خروجیها و حالتهای خطا را ثبت کن و نتیجه را با معیارهای همین مرحله مقایسه کن.
پروژه پیشنهادی پروژه این گام باید یک خروجی قابل اجرا در حوزه «بینایی ماشین» باشد و دستکم این موضوعات را پوشش دهد: موضوع فنی: Dataset specification and annotation QA، موضوع فنی: Training and model selection، موضوع فنی: Inference interface and telemetry؛ راهنمای اجرا و شواهد نتیجه را نیز همراه آن ارائه کن.
منابع یادگیری معیار اتمام مرحله معیار اتمام: بتوانی مفاهیم «پروژه نهایی سامانه کامل بینایی» را مستقل اجرا کنی، نتیجه را با داده یا آزمون بررسی کنی و محدودیتهای آن را توضیح بدهی.
پایان نقشه: پروژه نهایی را تکمیل کن و نمونهکارت را بساز.
✓ این مرحله را تکمیل کردم