عن الدورة
يركز هذا المساق على كشف الأجسام بوصفه أحد أكثر استخدامات التعلم العميق انتشارا في الرؤية الحاسوبية، حيث لا نحتاج فقط إلى معرفة ما الموجود في الصورة، بل أيضا أين يوجد. ستتعرف على تطبيقات عملية متعددة مثل مساعدة الأنظمة الذاتية على التنقل، دعم التشخيص الطبي عبر تحديد مناطق مشتبه بها، واستخدامات زراعية لرصد المحاصيل. تقدم الدورة أساسا واضحا لمفهوم الصناديق المحيطة ومعايير التقييم التي تقيس دقة التصنيف ودقة الموقع معا. ستعمل على مشاريع تطبيقية تتدرج من فهم البيانات الموسومة إلى تدريب نموذج كشف على سيناريو واقعي، مثل التعرف على إشارات مواقف السيارات. تتعلم أيضا كيفية إعادة تدريب نماذج شائعة من عائلة يولو لتناسب تطبيقك، وكيف تستخدم التصوير البياني لتحليل النتائج ورصد أنماط الخطأ. جانب مهم في الدورة هو جودة البيانات: ستفحص الصور الموسومة لاكتشاف نقص التغطية أو أخطاء الوسم، وتتعلم كيف يمكن إصلاح هذه المشكلات لتحسين الأداء أكثر من مجرد تعديل المعلمات. بنهاية الدورة ستكون قادرا على تدريب نموذج كشف، تقييمه بصورة صحيحة، وتحسينه عبر مزيج من هندسة البيانات وضبط النموذج.
ماذا ستتعلم
- إعادة تدريب نماذج كشف شائعة لتناسب تطبيقاتك العملية
- تصوير النتائج واستخلاص رؤى حول أداء النموذج
- تقييم نماذج الكشف عبر دقة الفئة ودقة الموقع معا
- تحليل الصور الموسومة لاكتشاف قصور البيانات ومعالجته
المدرسون
Mehdi Alemi
Amanda Wang
MathWorks
Megan Thompson
MathWorks
Matt Rich
MathWorks