برنامه نویسی محصولات دانلودی

پیش پردازش تصاویر و طبقه بندی شی گرایی به روش ماشین لرنینگ

کار با تصاویر ماهواره ای به روش ماشین لرنینگ
معصومه واحدی
نوشته شده توسط معصومه واحدی

در این محصول به آموزش کار با تصاویر ماهواره ای به روش ماشین لرنینگ پرداخته شده است. در این آموزش کاربر به سادگی با مفاهیم اولیه پیش پردازش تصویر و آماده سازی داده برای پیاده سازی مدل ماشین لرنینگ آشنا خواهد شد و همچنین قبل از توضیح هر بخش ابتدا به بخش تئوری آن و سپس به بحث عملی و کدنویسی آن پرداخته می شود تا کاربر درک کاملی از هر دو بخش به ویژه کدنویسی داشته باشد.

در این آموزش تمام کدنویسی ها با زبان برنامه نویسی پایتون انجام شده است و توضیحات مربوط به پکیج های موردنیاز برای پردازش و طبقه بندی تصویر به صورت ساده و قابل فهم بیان شده است. به علاوه، توضیح مختصری از روش های ماشین لرنینگ پرداخته شده است و یکی از معروف ترین این روش ها به نام جنگل های تصادفی برای طبقه بندی تصویر ماهواره ای مورد استفاده قرار می گیرد.

آموزش تجزیه و تحلیل تصویر مبتنی بر شی با پایتون

آموزش تجزیه و تحلیل تصویر مبتنی بر شی با پایتون


مشخصات محصول:

  • قیمت: ۲۳۰۰۰۰ تومان
  • مدرس: معصومه واحدی
  • تخصص: کارشناس ارشد مهندسی محیط زیست – ارزیابی و آمایش سرزمین
  • موضوع: آموزش تجزیه و تحلیل تصویر مبتنی بر شی با پایتون
  • نرم افزار/زبان برنامه نویسی: پایتون
  • مخاطب: علاقه مندان به برنامه نویسی در حوزه سنجش از دور
  • نوع آموزش: ویدیویی، کد نویسی
  • پاورپوینت: دارد
  • داده های تمرینی:‌ ندارد
  • پیش نیاز: آشنایی مقدمانی با پایتون

توضیحات محصول:

کاربرد این محصول آموزشی در زمینه پیش پردازش تصاویر و طبقه بندی شی گرایی با استفاده از روش ماشین لرنینگ است. پیش از مرحله طبقه بندی تصاویر، شما نیاز به استخراج اطلاعات خواهید داشت که در این محصول با استفاده از یک تکنیک کاربردی به آن پرداخته شده است.

بصورت کلی با استفاده از این محصول شما می توانید تکنیک های لازم برای طبقه بندی تصویر شی گرایی و آماده سازی تصویر با استفاده از زبان برنامه نویسی پایتون را فراگرفته و با مدل ماشین لرنینگ نیز آشنا شوید.

علاوه بر این تجزیه و تحلیل داده‌های مشکل و پیچیده به یکی از سریع ترین بخش‌های فناوری اطلاعات و یکی از موارد اصلی استفاده از پایتون تبدیل شده است. اکثریت کتابخانه‌های مورد استفاده در علم داده و یادگیری ماشین، از رابط‌های پایتون استفاده می‌کنند و آن را به محبوب ترین زبان برنامه نویسی رابط فرمان سطح بالا برای کتابخانه‌های یادگیری ماشین تبدیل کرده است که در این آموزش چگونگی استفاده از روش های ماشین لرنینگ در طبقه بندی تصاویر ماهواره ای آموزش داده شده است.

پیش پردازش تصاویر و طبقه بندی شی گرایی به روش ماشین لرنینگ

پیش پردازش تصاویر و طبقه بندی شی گرایی به روش ماشین لرنینگ


عناوین آموزشی:

عناوین آموزشی به شرح زیر می باشند:

  • بخش اول: معرفی دوره آموزشی
  • بخش دوم: دانلود تصویر ماهواره ای از منطقه مورد مطالعه
  • بخش سوم: آشنایی با محیط کاری و آموزش نصب آن و کتابخانه­های موردنیاز
  • بخش چهارم: ایجاد داده­های آموزشی و تست در نرم افزار QGIS
  • بخش پنجم: فراخوانی تصویر با استفاده از ابزار پایتون
  • بخش ششم: قطعه بندی (Segmentation) تصویر با پایتون (پارت ۱)
  • بخش هفتم: قطعه بندی (Segmentation) تصویر با پایتون (پارت ۲)
  • بخش هشتم: اطلاعات آماری برای قطعه­های تصویر با پایتون
  • بخش نهم: جدا کردن داده­های تست و آموزشی
  • بخش دهم: رسترایز کردن داده­های آموزشی شیپ فایل
  • بخش یازدهم: تخصیص طبقه بندی به تصویر Segmentation
  • بخش دوازدهم: طبقه بندی تصویر با استفاده از روش جنگل تصادفی (Random Forest)
  • بخش سیزدهم: Confusion Matrix برای بررسی صحت طبقه بندی مدل جنگل تصادفی

تهیه محصول:

به منظور تهیه این محصول آموزشی بر روی گزینه زیر کلیک کرده و بلافاصله دانلود نمایید.


آموزش های زیر را نیز بببینید:


 

۷ دیدگاه

  • با سلام و عرض ادب خانم واحدی آیا کدهای آموزش هم همراه آموزش قرار داده شده؟ سوال بعدی آیا با تصاویر ماهواره ای دیگر مانند سنتینل یا لندست این آموزش کار شده در غیر اینصورت با تصاویر لندست و سنتینل هم میشه با آموزش شما طبقه بندی کرد؟
    ممنون میشم راهنمایی فرمایید.

    • سلام
      وقت شما بخیر
      برای کسانی که مجموعه را تهیه کرده اند، کدهای آموزش با ایمیل ارسال خواهد شد. شما می توانید ایمیل خالی به آدرس vahedi.m1993@gmail.com با عنوان “Image processing-OBIA” برای بنده ارسال کنید تا کد را در اختیار شما قرار دهم.
      در رابطه با تصاویر دیگر، شما می توانید از این آموزش استفاده کنید ولی دقت طبقه بندی کمتر خواهد شد. خودم با تصویر لندست انجام دادم و مشکلی نیست، ولی بهتر این هست که اگر تصویر رزولوشن بالای آن منطقه را هم دارید با تصویر لندست هنگام نمونه برداری مطابقت دهید تا دقت طبقه بندی بالاتر شود.
      موفق باشید

  • با سلام احترام
    برای خواندن تصویر با کتلبخانه gdal
    module ‘gdal’ has no attribute ‘open’
    error بالادریافت کردم ورژن جی دل تغییر دادم نشد

    • سلام
      وقت شما بخیر

      نکته اول اینکه gdal.Open، حتما O باید به صورت حرف بزرگ نوشته شود.
      اگر این نکته را رعایت کردید، به جای import gdal ، آن را از کتابخانه osgeo ایمپورت کنید. به این صورت:

      from osgeo import gdal

      موفق باشید

  • سلام خانم واحدی برای دریافت کدهای این آموزش فرموده بودید ایمیل بزینم بنده ایمیل خیلی وقت پیش ایمیل زدم ولی کدها رو نفرستادید ممنون میشم کدهای آموزش را برام ارسال کنید.

دیدگاهتان را بنویسید

اگر تمایل به تدریس و تولید آموزش و کسب درآمد دارید لطفا بر روی دکمه رو به رو کلیک کنید و فرم را پر کنیدپر کردن فرم همکاری در تهیه ویدئوهای آموزشی
+ +
از حالا یه 24 ساعت تخفیف هارو تمدید کردیم. کد تخفیف: mohandes
روز
ساعت
دقیقه
ثانیه
ورود به بخش محصولات آموزشی