در این دوره، سرفصل‌ها به گونه‌ای تدوین شده‌اند که شما را از یک کاربر معمولی به یک متخصص عملیاتی تبدیل کنند. محتوای آموزشی در سه فاز اصلی و کاملا پروژه‌محور دسته‌بندی شده است:

فاز اول: تسلط بر پایه و آموزش پردازش تصویر (Image Processing)

در این بخش، کار با کتابخانه مرجع OpenCV را از صفر آغاز می‌کنیم. هدف این فاز، یادگیری الفبای کار با داده‌های تصویری است.

• آشنایی با ساختار پیکسل‌ها و فضاهای رنگی (RGB, HSV, Gray Scale).
• آموزش فیلترگذاری، کاهش نویز و بهبود کیفیت تصاویر.
• عملیات مورفولوژیک و تغییرات هندسی روی عکس و ویدئو.
• ساخت فیلترهای هوشمند

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.

فاز دوم: بینایی ماشین و استخراج ویژگی‌های هوشمند

در این فاز، یاد می‌گیرید که چگونه فراتر از یک تصویر ساده، مفاهیم را استخراج کنید. این بخش هسته اصلی دوره بینایی ماشین در کاربردهای صنعتی است.

• تشخیص لبه‌ها (Edge Detection) و شناسایی اشکال هندسی (خطوط و دایره‌ها).
• کار با هیستوگرام‌ها و آستانه‌گذاری پیشرفته (Thresholding).
• الگوریتم‌های تطبیق الگو (Template Matching) برای شناسایی اشیاء ثابت.
• طراحی سیستم شمارش خودکار ماشین ها در پارکینگ.

فاز سوم: یادگیری عمیق، تشخیص اشیا و بخش بندی تصویر

در فاز نهایی، وارد دنیای پیشرفته‌ترین مدل‌های هوش مصنوعی می‌شوید. اینجا جایی است که بینایی کامپیوتر قدرت واقعی خود را در حل مسائل پیچیده نشان می‌دهد.

• آموزش شبکه‌های عصبی پیچشی (CNN) از پایه.
• شناسایی و ردیابی آنی اشیا (Object Detection) با مدل‌های قدرتمند.
• آموزش مبحث استراتژیک بخش بندی تصویر (Image Segmentation) برای جداسازی دقیق اجزا در سطح پیکسل.
• پروژه خودروهای خودران: تشخیص لاین جاده، علائم راهنمایی و رانندگی و ردیابی موانع.
• پروژه پزشکی هوشمند: پیاده‌سازی مدل‌های Segmentation برای تشخیص تومور در تصاویر MRI و CT-Scan.
• پروژه پزشکی هوشمند: پیاده‌سازی مدل‌های تشخیص در کولونوسکوپی و اندوسکوپی.