📚 معرفی کتاب

OPENCV | Python for Computer Vision


🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#python
#OpenCv
#Maums_AI
#programming

"کالج دانشگاه فردوسی مشهد با همکاری دفتر آموزش‌های عالی آزاد دانشکده مهندسی برگزار می‌کند:"

🔴 آموزش پردازش تصویر و بینایی کامپیوتر (کد 1012)
📌روزهای پنج شنبه ساعت 13-9
📌زمان برگزاری: 5 مهر
مکان برگزاری: دانشکده مهندسی
تخفیف برای خانواده فردوسی
📌 با ارائه گواهینامه معتبر از کالج دانشگاه فردوسی مشهد، قابل ترجمه و مورد تایید وزارت علوم
🔗 جهت ثبت نام اینجا لینک کلیک کنید و جهت کسب اطلاعات بیشتر از طریق راه ارتباطی زیر با ما در تماس باشید.
☎️ 09052732803

🟩 معرفی کتابخانه MediaPipe

✳ کتابخانه MediaPipe یک کتابخانه متن باز (Open Source) است که توسط شرکت Google توسعه یافته و به منظور پردازش و تحلیل رسانه‌ها، به ویژه تصاویر و ویدیوها طراحی شده است. این کتابخانه از الگوریتم‌های یادگیری ماشین برای شناسایی و تحلیل ویژگی‌های مختلف استفاده می‌کند.

✳ کاربردهایی که می‌توان برای Mediapipe ذکر کرد عبارت است از :
- تشخیص حرکت در بازی‌های ویدیویی و واقعیت افزوده
- تشخیص حرکت در برنامه‌های ورزشی و تمرین
- تشخیص و تحلیل رفتار در ویدیو
- ابزارهای تعاملی مبتنی بر حرکات دست و بدن

✳ کتابخانه MediaPipe به کاربران این امکان را می‌دهد که به سادگی و با کد کمتر، قابلیت‌های پیشرفته‌ای را به برنامه‌های خود اضافه کنند.

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

✳ بررسی ویژگی‌های کتابخانه MediaPipe :

♦️. تشخیص ژست (Pose Detection) : قادر به شناسایی نقاط کلیدی (Landmarks) بدن انسان است که می‌تواند در برنامه‌های مرتبط با ورزش یا واقعیت مجازی کاربرد داشته باشد.

♦️. تشخیص آثار چهره (Face Mesh): می‌تواند نقاط کلیدی صورت را شناسایی کرده و تحلیل‌های مختلفی بر روی چهره انجام دهد.

♦️. تشخیص اشیاء (Object Detection): امکان شناسایی و تشخیص اشیاء مختلف در تصاویر و ویدیوها را فراهم می‌کند.

♦️. تشخیص دست (Hand Tracking): می‌تواند حرکات دست را شناسایی کرده و برای برنامه‌های تعاملی استفاده شود.

♦️. عملکرد بالا در زمان واقعی (real time) :
کتابخانه MediaPipe بهینه‌سازی شده تا بتواند در زمان واقعی کار کند، به ویژه در برنامه‌های کاربردی مبتنی بر دوربین.

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

📚| #معرفی_فرآیند

🏆 | فرآیند دومین دوره مسابقه ملی و مسئله‌محور بنیاد ملی نخبگان، راهی شو

🎓  | ویژه تمامی دانشجویان و فارغ‌التحصیلان رشته‌های فنی مهندسی، علوم پزشکی، علوم پایه، علوم انسانی و هنر سراسر کشور

🚀 | قدم به قدم در این مسیر، در کنار شما هستیم تا در یک بستر رشد حرفه‌ای، همراه با آموزش و تجربه در فضای واقعی صنعت، لحظات خوبی را در کنار هم رقم بزنیم.

📌 | مزایای شرکت در مسابقه:
✅ کسب “امتیاز نخبگی” از بنیاد ملی نخبگان
✅ تجربه انجام پروژه‌‌های واقعی
✅ کارگاه‌های آموزشی اختصاصی
✅ امکان همکاری با شرکت‌های فناور
✅ جایزه نقدی
✅ تجربه کار تیمی
✅ گواهی‌نامه معتبر


🌐 همین الان ثبت نام کن :
⭕️ rahisho.online ⭕️

⏳ | مهلت ثبت‌نام: ۱٠ مهر ماه ۱۴٠۳

🌀 | امروز راهی شو تا خودت فردا راهت رو بسازی!

#راهی_شو #مسابقه_راهی_شو

✔️با ما در ارتباط باش 👇🏻
➕ تلگرام | اینستاگرام | لینکدین

🆕️ تشخیص خستگی راننده بصورت real-time با استفاده از الگوریتم های پردازش تصویر 

◽◾بینایی کامپیوتر و پردازش تصویر امکان نظارت بر هوشیاری راننده را در زمان واقعی فراهم می‌کند و از تکنولوژی‌هایی مانند YOLO، یادگیری ماشین، MediaPipe، OpenCV و سایر تکنیک‌های پردازش تصویر استفاده می‌کند.

◽◾با تجزیه و تحلیل چشمان راننده، این ابزار علائم خستگی را شناسایی کرده و هشدارهایی را برای جلوگیری از حوادث هنگام رانندگی صادر می‌کند.

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

✳ معرفی PCAlign

⚪ الگوریتم PCAlign یک چارچوب عمومی برای افزایش داده‌ها در ابرنقاط است.

⚪این سیستم به منظور بهبود کیفیت و کمیت داده‌های مربوط به ابرنقاط طراحی شده است. با استفاده از تکنیک‌های مختلف، PCAlign به مدل‌ها کمک می‌کند تا ویژگی‌های بیشتری از داده‌ها استخراج کنند و عملکرد بهتری در وظایف مختلف یادگیری ماشین داشته باشند.

⚪این چارچوب به صورت عمومی و قابل انعطاف طراحی شده تا به راحتی در پروژه‌های مختلف قابل استفاده باشد.

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

📈 معرفی شبکه های عصبی فازی (Fuzzy Neural Networks)

🔴 در شبکه های فازی ؛ مفاهیم فازی و شبکه های عصبی با هم ترکیب می‌شوند تا مزایای هر دو را به دست آورند. این شبکه‌ها قادر به مدل‌سازی سیستم‌های پیچیده و غیرخطی هستند و می‌توانند با عدم قطعیت و ابهام موجود در داده‌ها به خوبی کنار بیایند.

🔴 در این شبکه‌ها، ورودی‌ها و خروجی‌ها به صورت مجموعه‌های فازی تعریف می‌شوند و قوانین فازی برای تعیین ارتباط بین آن‌ها استفاده می‌شود. همچنین، وزن‌های اتصالات بین نورون‌ها نیز به صورت مقادیر فازی در نظر گرفته می‌شوند.

🔴 مزایای شبکه‌های عصبی فازی عبارتند از:
- قابلیت مدل‌سازی سیستم‌های پیچیده و غیرخطی
- توانایی کار با داده‌های ناقص و مبهم
- قابلیت تفسیر و توضیح نتایج به صورت قوانین فازی
- سرعت بالا در یادگیری و محاسبات

+ این شبکه‌ها در زمینه‌های مختلفی مانند کنترل، تشخیص الگو، پردازش تصویر و پیش‌بینی کاربرد دارند.

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

🆕️ بینایی ماشین اینبار در بازی سنگ کاغذ قیچی!


🔘 استفاده از الگوریتم YOLOv8 برای شناسایی زنده بازی «سنگ، کاغذ، قیچی» در یک دست رباتیک که با ۵ موتور سرور کنترل می‌شود.

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

📚 تعدادی از پروژه های انجام شده پردازش تصویر و بینایی ماشین در حوزه ی پزشکی

◾مواردی که در ادامه به عنوان‌ پروژه های انجام شده در زمینه ی پردازش تصویر و بینایی ماشین معرفی می‌شود، می‌تواند به عنوان امری مهم در پیشرفت تشخیص در علم پزشکی امروز محسوب شود:

◽تشخیص نوع تومور در کانسر های مختلف

◽تشخیص رتینوپاتی دیابتی در اشخاص مبتلا به دیابت

◽تشخیص MS و مراحل مختلف آن بر اساس MRI

◽تشخیص سلول‌های سرطانی

◽تشخیص میزان درگیری ریه در بیماری‌های تنفسی (مانند COVID-19)

◽تشخیص ناهنجاری‌های پوستی

◽تشخیص آسیب‌های استخوان

◽تشخیص آسیب‌دیدگی‌ها و پوسیدگی‌های دندان

و...

+ هرکدام از این پروژه ها که تا به الان انجام شده ؛ سرآغازی برای پیشرفت های آینده و ارائه ی تکنولوژی های جديد در حوزه سلامت و علوم مختلف دیگر است.

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

✳بازسازی صحنه های شهری با Omni

🟩 رویکرد OmniRe یک رویکرد کل نگر جدید برای بازسازی موثر تصاویر پویای HD در شهر میباشد.

🟩 این رویکرد می تواند در شبیه سازی سناریوهای بازسازی شده باحضور افراد در زمان واقعی (~60 هرتز) کمک کننده باشد.

🔎 paper

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

🪩 معرفی DeepLens شرکت آمازون

◾نوآوری DeepLens ، یک سرویس وب از شرکت آمازون است.
◾یکی از برنامه های مراقبت پزشکی که از DeepLens استفاده می کند DermLens است. DermLens هدفش کمک به بیمار برای مدیریت بیماری پوستی psoriasis است. این برنامه داده های گزارش شده را در دسترس تیم پزشکی قرار می دهد.

◾ابزار بینایی ماشین، داده ها را به برنامه میفرستد و کاربر می تواند تخمین شدت بیماری را مشاهده کند. تیم DermLens یک برنامه موبایل برای گزارش علائم اضافی مانند خارش و خستگی را هم توسعه داده است.

◾در طی تحقیقی که این تیم در ژونال American Dermatology به ثبت رسانده، این شرکت ادعا کرده که DermLens در ۹۲ بیمار تست شده و ۷۲ درصد از بیماران اعلام کرده اند که ترجیح می دهند از دوربین های DermLens به جای گوشی های هوشمند استفاده کنند.

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

🪩تحلیل تصاویر آنژیوگرافی با مدل SE-RegUNet

◾شبکه SE-RegUNet یک نوع شبکه عصبی کانولوشنی است که به‌طور خاص برای تقسیم‌بندی تصاویر پزشکی طراحی شده است.

◾این مدل از ویژگی‌های انکودرهای RegNet بهره‌برداری می‌کند و به‌دنبال بهینه‌سازی فرایند استخراج ویژگی‌ها از تصاویر پیچیده است.

◾مدل SE-RegUNet دارای بلوک‌هایی برای فشرده‌سازی و فعال‌سازی است که کارایی آن را در استخراج ویژگی‌های دقیق بهبود می‌بخشد.

◾هدف اصلی این مدل دقت بالا در شناسایی و تقسیم‌بندی نواحی خاص در تصاویر پزشکی (مانند عروق کرونر در آنژیوگرافی) است.

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

🪩 معرفی شبکه های Large Language Models

◽شبکه‌های LLM (Large Language Models) به مدل‌های یادگیری ماشینی اطلاق می‌شوند که به‌طور خاص برای پردازش و تولید زبان طبیعی طراحی شده‌اند.

◽این مدل‌ها با استفاده از تعداد بسیار بالایی پارامتر، توانایی درک و تولید متنی را دارند و می‌توانند در طیف گسترده‌ای از وظایف زبانی از جمله تولید متن، ترجمه، پاسخ به سوالات، تحلیل احساسات و غیره به کار گرفته شوند.

◽برخی از مثال‌های معروف LLMها شامل GPT-3 و GPT-4 (توسعه‌یافته توسط OpenAI)، BERT و RoBERTa (توسعه‌یافته توسط Google) و LLaMA (توسعه‌یافته توسط Meta) هستند.

◽این مدل‌ها به دلیل قدرت و دقت بالایشان در پردازش متن به طور گسترده در زمینه های مختلف مورد استفاده قرار می‌گیرند.

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

🪩توانایی LLM در شخصی سازی درمان بیماران

◾هوش مصنوعی (AI) در حوزه بهداشت و درمان پیشرفت‌های قابل توجهی در درمان‌های پزشکی هوشمند داشته است. با این حال، سیستم‌های بهداشت و درمان هوشمند سنتی به داده‌های ایستا و استانداردهای یکپارچه محدود هستند و این امر مانع از ادغام کامل با شرایط فردی و دیگر چالش‌ها می‌شود. بنابراین، یک روش حرفه‌ای و دقیق‌تر در حوزه بهداشت هوشمند برای توسعه مورد نیاز است.

◾به این منظور،چارچوب نوآورانه Heath-LLM پیشنهاد می‌شود که استخراج ویژگی‌های بزرگ‌مقیاس و نمره‌دهی مبادله‌ای دانش پزشکی را ترکیب می‌کند.
در مقایسه با روش‌های سنتی مدیریت سلامت، این روش دارای سه مزیت اصلی است:
◽اول، این روش گزارش‌های سلامت را در یک مدل بزرگ ادغام می‌کند تا اطلاعات دقیق‌تری درباره وظایف ارائه دهد.
◽دوم، از تخصص پزشکی حرفه‌ای برای تنظیم نمرات وزنی ویژگی‌های سلامت استفاده می‌شود.
◽سوم،از یک چارچوب استخراج ویژگی نیمه‌خودکار برای افزایش توان تحلیلی مدل‌های زبانی استفاده می‌شود و بینش کارشناسان برای بهبود دقت پیش‌بینی بیماری‌ها بهره‌برداری می‌شود.
🆔️telegram channel:
https://news.1rj.ru/str/Intellimage
#LLM

🖇معرفی الگوریتم Soft Actor-Critic (SAC)

🔘 الگوریتم Soft Actor-Critic (SAC) یک روش یادگیری تقویتی است که برای بهینه‌سازی تصمیم‌گیری در محیط‌های پیوسته طراحی شده است.

🔘 الگوریتم SAC از یک سیاست نرم استفاده می‌کند که به جای تمرکز فقط بر حداکثر کردن پاداش، به ماکسیمم کردن پاداش به همراه کاهش عدم قطعیت (Entropy) می‌پردازد. این رویکرد کمک می‌کند تا یادگیری بهتر و پایدارتر انجام شود و از یادگیری فقط بر اساس پاداش جلوگیری می‌کند.

🔘 الگوریتم SAC از روش‌های بهینه‌سازی برپایه گرادیان برای به‌روزرسانی پارامترهاو عملگرهای خود استفاده می‌کند.

🔘 با توجه به این ویژگی‌ها، الگوریتم SAC به عنوان یکی از الگوریتم‌های کارآمد و قوی در زمینه یادگیری تقویتی شناخته می‌شود، به ویژه در مسائلی با فضای عمل پیوسته.

باماهمراه باشید 🌱
🆔️telegram channel:
https://news.1rj.ru/str/Intellimage
#deep_learning
#machin_vision
#image_processing

🌐 عملکرد پردازش تصویر در نظارت بر خون از دست رفته

⚪ شرکت gauss surgical روش هایی را برای نظارت بر از دست رفتن خون توسعه داده که می تواند زمان از دست رفتن خون را در شرایط پزشکی به صورت بلادرنگ تخمین بزند. این روش، انتقال خون را به حداکثر می رساند و همچنین خونریزی را بهتر از چشم انسان تشخیص می دهد.

⚪ خط تریتون شرکت Gauss Surgical برای نظارت بر خون از دست رفته، شامل تریتون اتاق جراحی است که از یک برنامه ی مبتنی بر iPad برای گرفتن تصاویری از خون در اسفنج های جراحی و محفظه های مکش استفاده می کند. این تصاویر توسط الگوریتم های بینایی ماشین برای تخمین مقدار خون از دست رفته پردازش می شود. این شرکت ادعا می کند که این برنامه توسط مختصصان پزشکی در بیمارستان ها طی عملیات جراحی استفاده می شود.

⚪ برای تعیین صحت و درستی برنامه تریتون اتاق جراحی، این برنامه در حین عمل های جراحی مورد مطالعه قرار گرفته و توسط سازمان غذا و داروی آمریکا درسال ۲۰۱۷ تایید شده است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#machin_vision
#image_processing

📽 بررسی برخی از کاربردهای پردازش تصویر در صنعت :

- بررسی عیوب بافت
- بررسی عیوب قطعات
- تشخیص خرابی چاپ
- تشخیص خرابی جوش در جوشکاری
- تشخیص عیوب روی مواد پلاستیکی
- بررسی اشکالات بسته بندی

🔎 vision system

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