📈 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://t.me/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://t.me/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://t.me/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://t.me/Intellimage
#image_processing
#machin_vision
#python
#deep_learning
#Omni

📚Intermediate Python

• لینک دسترسی به آموزش:

📥 https://book.pythontips.com/en/latest/index.html


🔎 Machine_learn
🆔️ telegram channel:
https://t.me/Intellimage
#programming
#Python

🆕️ پردازش تصویر در تسریع تحقیقات زیست‌شناسی

❄ با استفاده از OpenCV و آنالیز مؤلفه‌های متصل می‌توان تصاویر میکروسکوپی گلبول‌های قرمز خون را به‌طور خودکار تشخیص داد و از هم تفکیک کرد و هر سلول را به دقت بررسی نمود.

❄ این رویکرد به محققان کمک می‌کند تا به سرعت اطلاعات ارزشمندی به دست آورند و نیاز به کار دستی را به حداقل برسانند.

❄ این تکنیک به بررسی و تجزیه‌وتحلیل هر گلبول قرمز به‌صورت مجزا کمک می‌کند. CCA آبجکت‌های متصل به هم را در تصویر شناسایی و مشخصات هر کدام را استخراج می‌کند، مانند اندازه، شکل و موقعیت.

❄ با اتوماسیون این فرآیندها، محققان می‌توانند به سرعت اطلاعات زیادی در مورد ویژگی‌های گلبول‌های قرمز به دست آورند. این داده‌ها می‌تواند برای تشخیص بیماری‌ها و مطالعات زیست‌شناختی مفید باشد.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#machin_vision
#python

🆕️ گیت‌هاب کوپایلت در VSCode

✳ گیت‌هاب کوپایلت (GitHub Copilot) یک ابزار هوش مصنوعی است که به توسعه‌دهندگان کمک می‌کند تا کد را سریع‌تر و آسان‌تر بنویسند. این مدل پیشنهادی از یادگیری عمیق برای پیش‌بینی و تولید کد استفاده می‌کند.

✳ در خبرهای اخیر، اعلام شده است که گیت‌هاب کوپایلت برای کاربران ویژوال استودیو کد (VSCode) به صورت رایگان در دسترس قرار گرفته است.

✳ ویژگی‌های گیت‌هاب کوپایلت:

* پیشنهادات کد: به صورت زنده و در حین نوشتن کد، پیشنهاداتی برای تکمیل کد ارائه می‌دهد.

* تولید کد: قادر است کدهای جدیدی را بر اساس توضیحات متنی که کاربر ارائه می‌دهد، تولید کند.

* مستندسازی: می‌تواند به طور خودکار مستندات مربوط به توابع و کدها را تولید کند.

* پشتیبانی از زبان‌های مختلف: از زبان‌های برنامه‌نویسی متنوعی پشتیبانی می‌کند.
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#machin_vision
#python

🆕️The Go-To Library for Anomaly Detection

✅ کتابخانه PyOD یک کتابخانه قدرتمند و آسان برای استفاده در زبان پایتون ، برای شناسایی ناهنجاری‌ها در داده‌های چندمتغیره است.

✅ برای کار با دیتاست محدود یا برای کار با داده‌های بزرگ ، PyOD مجموعه‌ای از الگوریتم‌ها را برای نیازهای شما فراهم می‌کند.

✅ ویژگی‌های کلیدی این کتابخانه شامل موارد زیر است:
- رابط کاربری شهودی: دسترسی آسان به الگوریتم‌های متعدد.
- گزینه‌های مدل گسترده: بیش از ۴۵ روش، از جمله یادگیری عمیق پیشرفته.
- کارایی بهینه: آموزش سریع و پیش‌بینی‌های دقیق.
- مقیاس‌پذیر برای هر اندازه پروژه
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#python

📽📚 #آموزش مراحل انجام #پروژه استخراج اطلاعات از روی تصویر کارت خودرو با استفاده از پردازش تصویر و یادگیری ماشین

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#machinelearning
#machin_vision
#project
#python

📚 کتاب یادگیری ماشین با پایتون برای همه (Machine Learning with Python for Everyone)

🔎 TechnologicalIdeas
🆔️telegram channel:
https://t.me/Intellimage
#image_processing
#machin_vision
#python

🅿️ دوره پایتون

✅ قسمت ۱۸ پردازش تصویر در #پایتون

📚#پروژه شناسایی خودرو در پایتون

🔎 persianovin
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#programming
#python

🆕️ مدل o3-mini ، رتبه برتر در کدنویسی

✅ مدل o3-mini از OpenAI اخیراً در یک چالش کدنویسی، DeepSeek R1 را پشت سر گذاشت. موضوع چالش این بود:
"یک برنامه پایتون بنویسید که یک توپ را درون یک شش‌ضلعی چرخان نمایش دهد. توپ باید تحت تأثیر جاذبه و اصطکاک قرار گیرد و به صورت واقعی از دیواره‌های چرخان بجهد."

✅ مدل o3-mini، دومین مدل "استدلال‌گر" OpenAI است که برای تجزیه و تحلیل، تفکر و اصلاح پاسخ‌ها قبل از ارائه، زمان بیشتری صرف می‌کند. این ویژگی‌ها باعث می‌شود که o3-mini بتواند نتایج دقیق‌تر و بهتری ارائه دهد.
🆔️ telegram channel:
https://t.me/Intellimage
#programming
#python

🅿️ دوره پایتون

✅ قسمت ۱۹ پردازش تصویر در #پایتون

✅ حاشیه‌نویسی تصاویر و بهبود کیفیت تصاویر

۱. حاشیه‌نویسی تصاویر

حاشیه‌نویسی تصاویر یک مهارت کلیدی در کار با داده‌های بصری است و در اینجا به چند تکنیک برای ویرایش و برچسب‌گذاری تصاویر اشاره میکنیم:

- کشیدن خطوط: اضافه کردن خطوط صاف و ساده برای برجسته کردن نواحی یا مسیرهای خاص در یک تصویر.

- کشیدن دایره‌ها: ضروری برای علامت‌گذاری اشیای مورد نظر یا تعریف نواحی درون یک تصویر.

- کشیدن مستطیل‌ها: ایجاد جعبه‌های محدودکننده برای حاشیه‌نویسی یا برجسته کردن بخش‌های خاص تصویر.

- اضافه کردن متن: نوشتن متن به‌منظور توصیف یا برچسب‌گذاری بخش‌های مختلف تصویر.

۲. بهبود کیفیت تصاویر

تکنیک‌های مختلف بهبود کیفیت تصاویر درجهت  افزایش کیفیت و وضوح تصاویر :

- عملیات ریاضی: بررسی قدرت جمع و ضرب ساده برای تنظیم روشنایی، کنتراست و وضوح تصویر.

- آستانه‌گذاری و ماسک‌گذاری: تکنیک‌هایی برای تقسیم‌بندی تصاویر، ایزوله کردن نواحی خاص و تأکید بر ویژگی‌های خاص.

- عملیات بیتی: کسب insight در مورد عملیات منطقی (AND، OR، XOR) برای ترکیب یا تغییر تصاویر در سطح پیکسل.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#programming
#python

🔗فایل آموزش پایتون

🔰 قسمت ۲۰ پردازش تصویر در #پایتون :

✔ آموزش بخشی از ابزارها و کتابخانه ها

✅ PIL/Pillow : عملیات پایه و فیلترها

✅ OpenCV : بینایی ماشین و تشخیص ویژگی‌ها

✅ scikit-image : آنالیز علمی تصویر

✅ Matplotlib : تجسم داده‌ها و هیستوگرام‌ها

✅ NumPy : عملیات آرایه‌ای روی تصاویر

✅ ImageIO : پشتیبانی از فرمت‌های چندگانه

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#python