القَلب یهدی الی القَلب...🫧🪽

اَلسّلامُ عَلَیکَ ایُّها الطِّفلُ الَّرضیع قَتَلوهُ عَطشانا...

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

📑 آموزش پردازش تصویر

📝 مفاهیم پایه

🔍 منبع :
IUST_Bioelecteric , onlinebme

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#handout

💡استخراج ویژگی در پردازش تصویر

💬 استخراج ویژگی از تصویر یک فرآیند مهم در بینایی کامپیوتر و یادگیری ماشین است که شامل شناسایی و استخراج اطلاعات کلیدی از تصاویر می‌شود.

💬 به منظور استخراج ویژگی‌ها، می‌توانید از ابزارها و کتابخانه‌های مختلفی استفاده کنید، مانند OpenCV، scikit-image و TensorFlow.

💬 هدف این فرایند بهبود دقت مدل‌های یادگیری ماشین و شناسایی الگوها در تصاویر است.

با ماهمراه باشید 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#feature
#feature_selection
#python
#image_processing

📌 انواع ویژگی های قابل استخراج از تصویر

🩻. ویژگی‌های رنگی : شامل histogram رنگی، میانگین و واریانس رنگ‌ها.

🩻. ویژگی‌های بافت: مثل گسسته‌گذاری محلی (Local Binary Patterns یا LBP) یا فیلتر گابور.

🩻. ویژگی‌های شکل: شامل محاسبه لبه‌ها (با استفاده از الگوریتم هایی نظیر Canny) و توصیف اشکال.

🩻. ویژگی‌های هندسی: ابعاد، مساحت و نسبت‌های مختلف اشکال.

🩻. ویژگی‌های عمیق: با استفاده از شبکه‌های عصبی کانولوشنی (CNNs) که می‌توانند ویژگی‌ها را به صورت خودکار از تصاویر استخراج کنند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#feature
#image_processing

🚀 تازه های دنیای فناوری

🆕 حضور اولین مدل هوش مصنوعی text2protein، انقلابی در تحقیقات بیوتکنولوژی!

✔️ این مدل که در سال 2021 توسط یک دانشمند ایرانی توسعه یافته است ، میلیاردها سال تجربه حیات را به یک هوش مصنوعی قدرتمند تبدیل کرده که پیام‌های متنی را به توالی‌های پروتئینی جدید و مفید تبدیل می‌کند.این دستاورد می‌تواند کاربرد زیست‌شناسی در پزشکی، صنعت و فراتر از آن را متحول کند.

✔️ محققین تا به الان با استفاده از این مدل به بیش از 800 پروتئین جدید، کاربردی و foldable دست یافتند!

🔍 منبع : BioTech_Association

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#top_news

🚀 نوآوری های پژوهشی در دنیای تصویر

🔍 بررسی مقاله :

📃Segmentation of liver CT images based on weighted medical transformer model

◽ این مقاله که اخیرا در nature به چاپ رسیده است به بررسی کاربرد ساختارهای شبکه عصبی عمیق، به‌ویژه شبکه‌های کانولوشنی عمیق (CNN) در بخش تقسیم‌بندی تصاویر پزشکی می‌پردازد.

◽به طور کلی، این مقاله نوآوری‌هایی در زمینه استفاده از ساختار ترنسفورمرها برای بهبود تقسیم‌بندی تصاویر پزشکی ارائه می‌دهد و بر قابلیت‌های مدل پیشنهادی در کار با مجموعه‌های داده های کوچک تأکید دارد.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#article

🎥 شبیه سازی گرافیکی عملکرد شبکه عصبی کانولوشنی (CNN)

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#chatgpt
#python
#machin_vision

🔗معرفی الگوریتم ORB در پردازش تصویر

✔️ الگوریتم ORB که درواقع مخفف عبارت زیر می باشد؛
  (Oriented FAST and Rotated BRIEF)
یک روش برای شناسایی و توصیف نقاط کلیدی در تصاویر در حوزه پردازش تصویر و بینایی ماشین است.

✔️ به طور کلی، ORB یک ابزار قدرتمند و کارآمد در پردازش تصویر است که به دلیل عملکرد سریع و دقت بالا به طور گسترده‌ در تناظر یابی ویژگی‌ها در تصاویر مورد استفاده قرار می‌گیرد.

با ما همراه باشید 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#ORB

🔗معرفی الگوریتم ORB در پردازش تصویر

✔️ الگوریتم ORB ترکیبی از دو تکنیک زیر است:

◾. FAST (Features from Accelerated Segment Test)
◾. BRIEF (Binary Robust Invariant Scalable Denoscriptors).

✔️ این الگوریتم به خاطر سرعت و دقت بالا ؛ مورد توجه قرار دارد و به طور خاص برای کار با تصاویر متغیر و در شرایط مختلف طراحی شده است.

✔️ الگوریتم ORB در بسیاری از برنامه‌ها و پروژه‌ها به کار می‌رود، از جمله:
- شناسایی اشیا
- ردیابی تصاویر در ویدیو
- شناسایی نقاط کلیدی در واقعیت افزوده (AR)
- تطابق تصاویر در بینایی ماشین
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#ORB

📌معرفی #ماژول CBAM

🖇بهبود عملکرد مدل‌های یادگیری ماشین با تمرکز بر ویژگی‌های مهم تصویر

🔬ماژول CBAM که مخفف عبارت Convolutional Block Attention Moduleمی باشد ؛ یک مکانیزم توجه در شبکه‌های عصبی کانولوشنی است که بهبود عملکرد مدل‌ها را با تمرکز بر ویژگی‌های مهم تصویر امکان‌پذیر می‌سازد.

🔬ماژول CBAM به طور معمول از دو بخش اصلی تشکیل شده است:

۱. توجه فضایی (Spatial Attention): در این بخش، ماژول به نقاط مهم در فضای تصویر توجه بیشتری می‌کند و نقاطی که باعث بهبود دقت پیش‌بینی می‌شوند را شناسایی می‌کند.

۲. توجه کانالی (Channel Attention): در این بخش، ماژول توجه خود را به ویژگی‌های کانالی مختلف تصویر متمرکز می‌کند و کانال‌هایی که اطلاعات مفیدتری دارند را تقویت می‌کند.

🔬با ترکیب این دو نوع توجه، CBAM می‌تواند به مدل‌های عصبی کمک کند تا درک بهتری از ساختار تصویر داشته باشند و عملکرد بهتری را در وظایف بینایی کامپیوتری مانند شناسایی اشیا،تقسیم‌بندی و شناسایی چهره ارائه دهند.

🆔️ telegram channel :
https://news.1rj.ru/str/Intellimage
#module
#CBAM
#artificial_network
#image_processing
#python

🚀 تازه های دنیای فناوری

🆕 دانشمندان با کمک هوش مصنوعی «الفبای آوایی» نهنگ‌های عنبر را کشف کردند!!

🆒 از زمان کشف آواز نهنگ‌های عنبر در ۶۰ سال پیش، دانشمندان در پی این بودند که دریابند این موجودات غول‌پیکر دریا چه می‌گویند و چگونه از این آواها برای برقراری ارتباط با هم بهره می‌برند.

🆒 به همین منظور تیمی از محققان از سال ۲۰۰۵ دسته‌ای متشکل از ۴۰۰ نهنگ عنبر را در آب‌های اطراف جزیره دومینیکا، کشوری در شرق کارائیب، نشان کرده و با میکروفن‌های زیرآب از آن‌ها استراق سمع می‌کنند.

🆒 دانشمندان به این ترتیب ۱۴۳ ترکیب از متغیرهایی را شناسایی کردند که می‌گویند در واقع «الفبای آوایی نهنگ عنبر» هستند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#top_news

📚تعدادی از بهترین کتابخانه‌های یادگیری عمیق در پایتون

1⃣ TensorFlow
2⃣ Keras
3⃣ PyTorch
4⃣ Caffe
5⃣ DeepLearning4j

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#Python
#image_processing
#library
#programming

📉 معرفی شبکه عصبی Swin-Transformer

📍شبکه عصبی Swin-Transformer برای پردازش تصاویر طراحی شده و در زمینه بینایی کامپیوتری و یادگیری عمیق کاربرد دارد.

🧭 ویژگی‌ها و اصول کارکرد Swin -Transformer:

۱. معماری سلسله‌مراتبی (Hierarchical)
۲. استفاده از پنجره‌های متحرک (Shifted Windows)
۳. تغییر مقیاس (Scalability)
۴. نیاز به محاسبات کمتر

📍به طور کلی، Swin Transformer به لطف استفاده از پنجره‌های متحرک و طراحی سلسله‌مراتبی خود نسبت به Transformerهای سنتی به منابع محاسباتی کمتری نیاز دارد.

با ما همراه باشید 🌱

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing
#artificial_network

📉 معرفی شبکه عصبی Swin Transformer - ادامه

📍شبکه عصبی Swin Transformer در تعدادی از وظایف مختلف بینایی کامپیوتری استفاده شده است، از جمله:

- تشخیص اشیاء (Object Detection): با استفاده از مدل‌های چند مرحله‌ای برای شناسایی و تعیین موقعیت اشیاء در تصاویر.

- شناسایی چهره (Face Recognition): بهبود دقت در تشخیص چهره‌ها با بهره‌گیری از ویژگی‌های محلی و عمومی.

- تقسیم‌بندی تصویر (Image Segmentation): توانایی تقسیم تصاویر به نواحی مختلف با توجه به ویژگی‌های محلی.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing
#artificial_network

🚀 نوآوری های دنیای تصویر

🪩 مدل VEO محصولی از Deep Mind

◾مدل VEO توسط شرکت DeepMind رونمایی شد . این مدل توانایی تولید ویدیوهایی با کیفیت 1080p از روی متن ورودی دارد و بدون محدودیت زمانی کار می کند. ویدیویی که در این پست مشاهده می کنید ، با پرامپت زیر تولید شده است:
Prompt: Crochet elephant in intricate patterns walking on the savanna

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#top_news
#image_processing
#OpenCv_olc
#machin_vision