در ابتدای دوره جامع بینایی کامپیوتر و پردازش تصویر، با مفاهیم پایه‌ای بینایی ماشین و پردازش تصویر (Image Processing) آشنا می‌شوید. در این بخش، اصول ساختار تصویر، نحوه‌ی نمایش و تحلیل داده‌های تصویری، و تفاوت بین پردازش تصویر و بینایی کامپیوتر به‌صورت مفهومی و عملی توضیح داده می‌شود.

در ادامه، وارد مرحله‌ی کار با ابزارهای پردازش تصویر با پایتون خواهید شد. ابزارهایی مانند OpenCV، تکنیک‌های تشخیص لبه (Edge Detection)، بهبود کیفیت تصویر و فیلترگذاری (Filtering) در این بخش آموزش داده می‌شوند تا بتوانید داده‌های تصویری را برای تحلیل‌های پیشرفته آماده کنید.

برای درک بهتر الگوریتم‌های مدرن بینایی ماشین، آشنایی با مفاهیم یادگیری عمیق (Deep Learning) ضروری است. به همین دلیل، در بخش بعدی دوره، مروری جامع بر مباحث یادگیری عمیق خواهید داشت تا بتوانید شبکه‌های عصبی را برای بینایی کامپیوتر به کار بگیرید.

سپس وارد مباحث پیشرفته‌تر می‌شویم؛ جایی که با الگوریتم‌های حرفه‌ای مانند YOLO (You Only Look Once)، SSD (Single Shot Multibox Detector)، RCNN (Region-based Convolutional Neural Networks) و GAN (Generative Adversarial Networks) کار خواهید کرد. این الگوریتم‌ها ابزارهایی قدرتمند برای تشخیص اشیا، تقسیم‌بندی تصویر، شناسایی چهره و تولید تصاویر جدید هستند و به شما کمک می‌کنند مسائل واقعی دنیای بینایی کامپیوتر را حل کنید.

در واقع، دوره به‌صورت چندبخشی طراحی شده است:

• در بخش آموزش پردازش تصویر با پایتون، مهارت‌های پایه مانند فیلترها، تشخیص لبه و بهبود تصاویر را یاد می‌گیرید.

• در بخش آموزش بینایی ماشین در پایتون، مفاهیم پیشرفته‌تری مانند تشخیص چهره و شناسایی اشیا با استفاده از یادگیری عمیق را تجربه خواهید کرد.

اگر هنوز با مفهوم پردازش تصویر آشنا نیستید، پیشنهاد می‌کنیم مقاله‌ی پردازش تصویر چیست را مطالعه کنید تا درک بهتری از مفاهیم اولیه به‌دست آورید.