توضیحات
شبکه عصبي کانولوشني که در ادامه آنرا با CNN نام خواهيم برد به نوعي از شبکه هاي عصبي مصنوعي اطلاق ميشود که داراي ويژگي هاي اصلي شبکه neocognitron ميباشد. درساختار CNN سه تکنيک اصلي استفاده ميشود که عبارتند از:اشتراک وزنهاweight sharing ميدانهاي دريافت محلي local receptor fields و نمونه گيري مکاني کاهشي spatial down sampling. اين شبکه تا حدي به مدل سيستم بينائي بيولوژيکي شبيه است که در آن داده خام به عنوان ورودي شبکه به آن اعمال ميشود بدون اينکه نياز به پردازش اوليه يا استخراج ويژگي feature extraction داشته باشد. در واقع در CNN عمل استخراج ويژگي و مرحله شناسائي در يک ساختار مشترک انجام ميشوند.
در ساختار این شبکه براي اعمال مپينگ روي تصوير تمهيدي در نظر گرفته شده است که هر ارتباط عصبي تبديل محلي يکساني را به تمامي تبديلات مکاني اعمال کنند. با اين تمهيد نسبت بين درجه آزادي سيستم و تعداد نمونه هاي لازم براي يادگيري بطور محسوسي افزايش يافته و باعث ميشود تا قدرت تعميم (generalization) سيستم تقويت شود . اين ويژگي کارائي خود را درزمينه پردازش تصوير نمايان ميسازد که در آن معمولا با اين مشکل مواجه هستيم که بزرگ بودن ابعاد ورودي منجر به ايجاد يک مسئله ضعيف شده ill posed problem ميشود.
درساختار این شبکه اوزان شبکه در روي آرايه هاي مکاني تکرار ميشوند که باعث ميگردد تا اين نوع شبکه ذاتا نسبت به انتقال ورودي حساس نباشد. اين ويژگي نيز براي پردازش تصوير مفيد ميباشد. علاوه بر آن پياده سازي اين شبکه بر روي سخت افزار نيز بسادگي انجام پذير ميباشد که امکان استفاده از آنرا در کاربردهاي بدون وقفه ميسر مينمايد. در حال حاضر از CNN در اموري نظير پردازش حروف دست نويس و شناسائي و تشخيص چهره استفاده ميشود.
این فیلم آموزشی منحصر بفرد بالاخره با زحمت تعدادی از اعضای گروه ایران متلب تکمیل شد.
ارسال لینک های دانلود به ایمیل شما
سرفصل :
یادگیری عمیق Deep Learning
تفاوت بین مدل مرسوم شناسایی الگو و یادیگری عمیق
Trainable feature extractor چیست ؟
ساختار کلی یک سیستم شناسایی الگو pattern recognition
ساختار یک سیستم شناسایی شی object detection
مشاهده بصری ویژگی ها feature visualization در مراحل یک سیستم یادگیری عمیق (شبکه کانالوشن)
Low-Level feature, Mid-Level feature, high-level feature
Visual Cortex (ایده یادگیری عمیق از کجا آمده است؟)
معرفی سه ساختار یادگیری عمیق (feed-forward , feed-back , bi-directional)
چرا به یادگیری عمیق نیاز داریم ؟
کدام مدلها عمیق هستند؟ آیا MLP وSVM و مدلهای دو لایه و درخت تصمیم، عمیق هستند؟
امروزه در کدام کاربردها از یادگیری عمیق استفاده می شود؟
مقایسه مدلهای
(boosting , perceptron , SVM , AE , decision tree , RBM , DBN , DBM , GMM , spare coding , BayesNP , Conventional Net , RNN , Neural Net)
ساختار کلی (overall architecture) یک شبکه عصبی کانالوشن
معرفی بلوک نرمالسازی Normalization
معرفی بلوک بانک فیلتر Filter Bank
معرفی بلوک Non-Linear
معرفی بلوک Pooling یا subsampling
معرفی تغییرات یک تصویر در هنگام عبور از لایه های مختلف یک شبکه عصبی کانالوشن
معرفی ساختار یک شبکه عصبی کانالوشن
تصویر بعد از کانالوشن چه تغییری می کند؟
تصویر بعد از pooling چه تغییری می کند؟
مفهوم کانالوشن در تصویر
پنجره window در کانالوشن
مفهوم pooling در تصویر
یک مثال از local average operator
نشان دادن تصویر هر مرحله از یک شبکه عصبی کانالوشن
الگوریتم پیش انتشار خطا در شبکه عصبی کانالوشن
یک مثال عددی از عملگر کانالوشن
دو کاربرد شناسایی علائم راهنمایی و شناسایی شماره منازل
یک مثال از شبکه عصبی کانالوشن در شناسایی موضوع صحنه در یک ویدئو
یک مثال از شبکه عصبی کانالوشن در شناسایی شی Object detection
برخی از فریم های این فیلم آموزشی :
امین –
سلام. من این محصول و خریداری کردم لینکش ارسال نشده. ممنون.
ایران متلب –
سلام
لينك محصول بعد از تهيه براي كساني كه خريد كرده باشند ارسال مي شود.
با تشكر
علی –
سلام. لطفا زمان تقریبی اماده شدن این آموزش را در صورت امکان اعلام فرمایید. تشکر
ایران متلب –
سلام
اواخر اسفند 1394
علی –
سلام. با این حساب این محصول تا 5 ماه دیگه هم حاظر نمیشه با توجه به فیلم آموزشی فازی نوع دارم میگم. حالا انشاالله که زودتر اماده بشه.
مصطفی –
این فیلم آماده شده؟
ایران متلب –
ان شا اله تا چند روز آینده برای دانلود قرار خواهد گرفت.
حسین –
لطفا مدت زمان فیلم های ارایه شده را بفرمایید .
ایران متلب –
سلام
فعلا 63 دقیقه از این فیلم آموزشی آماده شده است.
بینا –
سلام،وقت بخیر،من این فیلم و فایل درخت تصمیم رو به همراه هم از شما خرید کردم اما لینکی برام ارسال نشد،لطف میکنید چک کنید،ممنونم
ایران متلب –
با سلام و احترام
لینک ها به صورت جداگانه برای شما ایمیل شد
شاد باشید
بینا –
سلام خسته نباشید من بیش از صد هزارتومن از محصولات آموزشی شما خرید کردم و طبق قوانین سایتتون باید به من کوپن تخفیف تعلق میگرفت اما اینطور نشد
ایران متلب –
با سلام و احترام
به شما تخفیف تعلق می گیرد. با مدیریت سایت تماس بگیرید.
شاد باشید
حسن پور –
مدرس جان فک کنم منظورتون Convolution بوده نه Conventional!
ایران متلب –
با سلام و احترام
اگر به لینک های زیر مراجعه فرمایید متوجه می شوید که Convolutional درست است.
لینک 1
لینک 2 (دانشگاه استنفورد آمریکا)
sinakh –
با عرض سلام و خسته نباشید
خیلی ممنون بابت سرعت عمل در ساخت ادامه فیلم و آموزش دکتر قیصری
آموزش خوبی بود ومتشکرم
با تشکر از زحمات شما
موفق باشید
sina kh –
با عرض سلام و خسته نباشید
خیلی ممنون بابت سرعت عمل در ساخت ادامه فیلم و آموزش دکتر قیصری
آموزش خوبی بود ومتشکرم
با تشکر از زحمات شما
موفق باشید
سینا –
با سلام
من این مجموعه رو خریداری کردم ولی هنوز لینک دانلود برام ارسال نشده
ایران متلب –
با سلام و احترام
لینکهای دانلود برای شما ایمیل شد.
شمین –
عالی بود
عالی
نیکو –
سلام وقت شما به خیر در ویدیویی که در این لینک قرار گرفته است گفته میشود که ویدیو آموزشی تنها شامل 4 سرفصل میشود ولی در لیست موجود در لینک سرفصل های نام برده بسیار بیشتر هستند. میخواستم بدونم اون سرفصل های دیگه پوشش داده میشن با این ویدیو ؟! لینک فیلم آموزشی که برای خرید قرار داده شده شامل چند ساعت آموزش میشود ؟
ایران متلب –
با سلام و احترام
سرفصل های فیلم آموزشی همین مواردی است که در این صفحه نوشته شده است.
مهلا –
سلام
من خریداری کردم اما فایل ها رو میخوام extract کنم نمیشه
فقط قسمت کدها میشه
ممنون سریع جواب بدید
ایران متلب –
سلام
همانطور که در ایمیل هم برای شما توضیح داده شد. شما باید همه قسمت ها را دانلود کنید و در یک فولدر بریزید. سپس extract کنید.
فرهاد –
سلام . من این فیلمو تهیه کردم . مدرس میگه تو قسمت کد نویسی ولی کد نویسی نداشت!
ایران متلب –
سلام
قسمت اول تئوری است و قسمت دوم کدنویسی است.
اگر لینک دانلود قسمت دوم را دریافت نکردید با پشتیبانی تماس بگیرید.
پژوهشگر –
با سلام
من فیلم را تهیه کرده ام . لطفا در صورت امکان تعداد فایل های ویدئو که پس از باز کردن فایل های فشرده بدست می آید را مشخص کنید . چون مشخص نیست که چند فایل باید باشد . ضمنا بخش اول که در این صفحه قرار داده اید در فایل های ویدئو نیست. باتشکر
ایران متلب –
با سلام
بخش اول را می توانید از همین صفحه دانلود بفرمایید.
شما اگر همه قسمت های را دانلود بفرمایید. تمامی قسمت را می توانید مشاهده بفرمایید.
hashemi –
به نظرم اگر میخواهید در وقتتون صرفه جویی بشه حتما این محصول را تهیه کنید
faalah –
با عرض سلام و خسته نباشید. خواستم یه تشکر خیلی ویژه ای داشته باشم واسه آموزش خیلی خیلی عالیتون، واقعا دستتون درد نکنه آموزشتون خیلی خوبه و به بقیه دوستان هم توصیه می کنم حتما این آموزش رو تهیه کنن.
محمود –
با سلام وتشکر
من فیلم رو خریداری کردم و تا اخرین فیلم اموزشی پیش رفتم که ناقص بود چون قسمت اموزش شبکه برای تشخیص حروف انگلیسی رو که انجام می ده نوبت به مرحله تست میرسه که اصلا وجود نداره میشه یه توضیح بدین ممنون میشم
ایران متلب –
با سلام و تشكر از شما
پارت 9 اين آموزش براي شما ايميل نشده بود. لطفا ايميل خود را چك بفرماييد.
محمودی –
با عرض سلام و تبریک سال نو
همانطور که مستحضر هستید بنده فیلم آموزشی شبکه عصبی کانالوشن را خریداری کردم اما متاسفانه در بخش اول ، پارت سوم به بعد رو نتونستم دانلود کنم. منظورم فایلهای لینک زیر است.
https://www………NN
لطفا” راهنمایی لازم را لطف بفرمایید.
سال خوبی داشته باشید.
با تشکر
ایران متلب –
سلام
بعد از كليك بر روي لينك مورد نظر يك فولدر باز مي شود. داخل اين فولدر فايلها قرار دارند. بر روي هر فايل راست كليك فرماييد و گزينه download بزنيد تا پنجره جديدي باز شود. در پنجره جديد روي دكمه downloadكليك كنيد.
سال نو شما هم مبارك باشه.
مهدی –
مجموعه را خریداری کردم خیلی خوب این آموزش .
حسین زهری –
با سلام،
من این آموزش رو خریداری کردم ولی لینک پارتهای 1 تا 6 غیر فعاله .باید چکار کنم ؟
ایران متلب –
با سلام
تمامی پارت ها در یک آدرس قرار دارند. لطفا بر روی لینک ها کلیک نکنید و کپی بگیرد و در tab جدید ، paste کنید.
hossein –
سلام من این محصول رو خریدم خیلی خوب بود
حسین –
سلام.. خسته نباشید.. میخواستم بدونم این مجموعه اموزشی، شبیه سازی شبکه های کانولوشن داره؟؟ منظور کد شبیه سازی تو متلب که بشه ازش جواب گرفت
ایران متلب –
سلام
بله بیشتر قسمت های این فیلم آموزشی مربوط به کدنویسی متلب می باشد.
کدهای متلب و تولباکسی هم در کنار این فیلم آموزشی قرار دارد.
ft –
سلام وقتتون بخیر.من از سایت شما فیلم آموزشی شبکه cnn خریدم و دیدم..میخوام با شبکه کانولوشن بیام تومورهای ریوی رو انجام بدم…ولی با اینکه فیلمو دیدم هنوز دقیقا نمیدونم باید چیکار کنم؟ میشه لطفا راهنمایی کنید.پروژمه و خیلی وقت ندارم
ایران متلب –
با سلام
برای انجام یک پروژه پردازش تصویر مراحل زیر را باید اجرا کنید :
جمع آوری دیتاست یا مجموعه ای تصاویر
خواندن مقالات در مورد شناسایی تومور ریوی
انجام شبیه سازی اولیه
مطالعه دوباره کارهای قبلی
تغییر کدهای نوشته شده جهت بهبود راندمان
من تخصصی در زمینه شناسایی تومور ریوی ندارم اما شبکه cnn می تواند از شما تصویر را بگیرد و مورد پردازش قرار دهد و در خروجی یکی از کلاسها را مشخص کند. کلاسها می توانند مثلا تومورم خوش خیم و بد خیم باشد. البته گاهی لازم است یک پیش پردازش هم انجام دهید تا ناحیه مورد نظر شما مشخص تر شود و شناسایی بهتر انجام شود.
حسین –
سلام.. من بسته اموزشیتونو خریدم ولی موقع اجرا این ارور رو نشون میده.
Undefined function or variable ‘cnn_train’.
Error in code10 (line 55)
[net,info]=cnn_train(net,imdb,@getBatch,trainOpts);
میشه بگین مشکل از کجاست؟؟
دستور setup رو اجرا کردنی ارور میده واسه همین حذفش کردم.. ولی وقتی mex -setup رو میزنم MEX configured to use ‘Microsoft Visual C++ 2012 (C)’ for C language compilation. میاره
ایران متلب –
با سلام و احترام
نباید فایل setup را پاک می کردید. یک بار دیگر فایلهای فشرده را extract کنید تا این فایل مجدد ایجاد شود.
این خطا به خاظر کمپایل نشدن برنامه های C می باشد. کار فایل setup همین است. این فایل همه برنامه های نوشته شده در C را کمپایل و قابل اجرا توسط متلب می کند.
کلانتری –
عرض سلام و وقت بخیر. آیا فیلم آموزشی یادگیری عمیق آماده دانلود است یا در مراحل تهیه؟ و آیا نحوه کدنویسی متلب آن نیز در این آموزش قرار دارد؟ متشکرم
ایران متلب –
با سلام و احترام
این فیلم اکنون آماده دانلود می باشد. همانطور که در سرفصل ها گفته شده است، کدنویسی متلب هم دارد.
امیر –
سلام
مثالی که شما در انتها بیان کردین دارای یک تصویر با چندین کارکتر بود
حالا اگه بخوایم به طور مثال انواع مختلف از گل های تزیینی را اموزش داده
و با وارد کردن تصویر یک گل در ورودی سیستم، از ان بخواهیم که بگویید تصویر ورودی مربوط به کدام lable است باید چه سازکاری را انجام دهیم؟
ایران متلب –
سلام
فرقی نمی کند. کلا در پردازش تصویر شما فقط با شناسایی کاراکتر کار نمی کنیم.
شما اگر فیلم را مشاهده فرمایید. شبکه عصبی کانالوشن می تواند هر نوع تصویر را مورد پردازش قرار دهد.
م –
وقت بخیر
آیا دیدن و بهره بری کامل از این فیلم نیاز به پیش زمینه علمی خاصی مثلا دانش برنامه نویسی یاهوش مصنوعی داره
؟
ایران متلب –
سلام
خیر پیش دانشی در زمینه هوش مصنوعی نیاز ندارد ولی باید مقداری برنامه نویسی کار کرده باشید.
شبکه عصبی کانالوشنی یکی از شبکه های عصبی جدید می باشد که پیاده سازی متفاونی دارد.
پیمان رزمی –
سلام ببخشین فیلم شبکه عصبی کانولوشون به همراه کد هست؟ و ایا کد ارایه شده در مورد طبقه بندی تصویر می باشد؟
ایران متلب –
سلام
بله همراه با کد می باشد. مثالی که در آموزش در متلب پیاده سازی می شود، دسته بندی تصویر می باشد.
نگار –
با سلام
من میخوام برای تشخیص بیماری که دیتاست اون به صورت عددی هست و 30 ویژگی دارد از این آموزش استفاده کنم آیا این آموزش مناسب کار من هست یا فقط برای تصویر مناسب هست؟
ایران متلب –
با سلام
می توانید به مقاله زیر مراجعه کنید :
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0196251
علی –
سلام مدت زمان آموزش چقدر است؟
دیبا –
سلام ببخشید این اموزش cnn برا سیگنالم میشه پیاده سازی کرد؟
ایران متلب –
سلام
تا جایی که دانش ما می رسد بله می توان از شبکه های عصبی در پردازش سیگنال استفاده کرد. برای توضیحات بیشتر می توانید به لینک زیر مراجعه کنید :
http://www.cnel.ufl.edu/courses/EEL6814/EEL6814.php
فرید فتح نیا –
با عرض سلام. بنده این مجموعه آموزشی را خریداری کرده خواستم تشکر کنم.
محمدرضا –
سلام خیلی خوب بود. با تشکر.
مجتبی –
سلام
من این آموزش را خریداری کردم. متاسفانه در قسمت اول لینک‌ها بخش آخر که همان بخش 3 است برای من دانلود نمیشود لطفا بررسی بفرمایید.
با تشکر
ایران متلب –
سلام
تمامی فایلها بر روی یک سرور قرار دارند و امکان نداره یک بخش امکان دانلود نشود. دوباره تلاش کنید.
شیرین گلکار –
آیا اموزش ترین یک دیتاست با استفاده از شبکهای کانولوشن و ترنسفر لرنینگ رو دارین؟
سلام –
این بسته چند ساعته است ؟ لطفا جواب بدهید .
ایران متلب –
سلام
این آموزش بعد از کلی تحقیق در مورد یادگیری ماشین و شبکه عصبی کانولوشن تهیه شده است و مطالب مهم پوشش داده شده است.
ميثم رحمتي –
سلام ممنون . من اموزش شمار رو خريداري كردم كامپايلر sdk رو هم با اموزش سايت خودتون نصب كردم ولي باز هم از اول برنامه نويسي ارورهاي زيررو ميده
– Undefined function or variable ‘setup’.
– Undefined function ‘vl_nnconv’ for input arguments of type ‘single’.
ایران متلب –
سلام
این خطا در متلب به معنی این است که متلب نتونسته فایل setup.m و vl_nnconv.m را پیدا کند.
شما می بایست فولدر مربوط به شبکه عصبی کانالوشن را به مسیر متلب اضافه کنید.
در پنجره ابتدایی متلب بر روی set path کلیک کنید و سپس add with subfolder را انتخاب کنید و سپس save ذخیره کنید.
ميثم رحمتي –
در ادامه مطلب قبل ارور
MinGW64 Compiler
رو هم ميده
ایران متلب –
سلام
شما باید کمپایلر C مورد تایید mathworks را دانلود و نصب کنید.
ميثم رحمتي –
سلام من اين فيلم رو خريداري كردم سفارش 26130 . با تشكر بسيار اموزنده بود –
فقط در فيلم آموزش متلب 8 پارت وجود دارد كه در پايان پارت 8 بيان مي شود كه در ادامه به تست شبكه مي پردازيم ولي پارت ديگري براي نمايش اين قسمت وجود ندارد لطفا حتما پيگيري كنيد چون قسمت تست شبكه مهمترين بخش فيلم است و عملا اموزش نا تمام مانده است …
ایران متلب –
سلام
ادامه برای شما ایمیل شد.
محمد کفاشچیان –
سلام. من میخوام این اموزش رو تهیه کنم، میخواستم بپرسم که ایا کد متلب رو هم گام به گام توضیح دادی در این آموزش ؟ با تشکر
ایران متلب –
سلام
بله. آموزش های ایران متلب بر مبنای کدنویسی می باشند و تمام دستورها با توضیحات کافی آموزش داده می شود.
مجتبی –
سلام وقتتون بخیر باشه…من میخواستم این اموزش رو تهیه کنم ولی قبلش میخوام بدونم که این اموزش برای کارم که طبقه بندی تصاویر است قابل استفاده است؟ ایا توضیحی در این مورد دارین؟
ممنون میشم که سریع جواب بدین چون وقت زیادی ندارم
با تشکر از شما
ایران متلب –
سلام
کاربرد اصلی شبکه کانالوشن در دسته بندی می باشد.
توضیحات کامل در بسته یادگیری عمیق
م –
سلام وقت بخیر
برای استفاده از این شبکه(شبکه عصبی کانولوشن) نرم افزار متلب باید ورژن ۲۰۱۵ به بالا باشه؟ چون نرم افزار من ۲۰۱۳ هست میشه باهاش کار کرد
ایران متلب –
سلام
اگر بخواهید از کدهای این آموزش استفاده کنید، جواب به سؤال شما خیر است. اما اگر بخواهید از ویژگی خود متلب در یادگیری عمیق استفاده کنید باید نسخه متلب بالایی داشته باشید که در بسته یادگیری عمیق در همین مورد صحبت کردیم.
م –
سلام وقت بخیر
من فیلم آموزشی شبکه عصبی کانولوشن رو تهیه کردم خیلی خوب توضیح داده شده و تشکر میکنم.
اما مشکلی من دارم این هست که برای پروژه خودم که داده های متفاوتی دارم نمیدونم چطوری باید این داده ها رو وارد شبکه کنم. اینکه کدوم رو تارگت و کدوم رو ترین بگیرم. با وارد کردن داده های خودم به شبکه مشکل دارم. ممنون میشم راهنمایی کنید من وقتتم محدود هست.
(یه تصویر دارم و یکسری داده میدانی که با جی پی اس گرفته شده است)
ایران متلب –
سلام و تشکر از شما
سوال را به صورت بیسار ساده جواب می دهم. فرض کنید شما یک دستگاه آب میوه گیری دارید و چند نوع میوه. الان چطوری باید این میوه ها را به دستگاه آب میوه گیری داد. باید میوه ها را به صورتی خرد کنید که از ورودی دهانه آبمیوه گیری عبور کند.
در نتیجه شما هم باید به شبکه عصبی که می خواهید ازش استفاده کنید نگاه کنید اگر شبکه عصبی کانالوشن هست، میرید می بینید چه نوع ورودی ازتون میگیره. شبکه کانالوشن تصویر دو بعدی می گیرد. لذا تنها می توانید تصویر دو بعدی به شبکه اتون بدهید.
حالا اگر داده هاتون یک بعدی هستند. به این آموزش مراجعه کنید :
لینک آموزش شبکه عصبی کانالوشن در سری زمانی
این شبکه های کانالوشنی یک بعدی هم قبول می کنند.
سایه –
سلام، وقت بخیر
من میخواهم این آموزش را تهیه کنم، اما با توجه به اینکه داده های من به صورت اعداد در یک فایل اکسل 10*300 میباشد و این آموزش برای داده تصویر ضبط شده است، آیا برای مدل داده های عددی من نیز قابلیت استفاده و یادگیری را دارد؟
ایران متلب –
سلام
سلام در هر صورت چه داده ها 2 بعدی باشند یا یک بعدی، شما باید مفهوم یادگیری عمیق را اول بدانید. دوم طریقه ساخت آن را بلد باشید و با لایه هاش آشنایی داشته باشید. ما یک آموزش مخصوص داده های عددی داریم، ولی پیشنهاد من اول بسته یادگیری عمیق و سپس آموزش پیش بینی سری زمانی با یادگیری عمیق هست.
sedighe –
با سلام برای طبقه بندی تصاویر ماهواره هم قابل استفاده است؟
ایران متلب –
با سلام
برای طبقه بندی تصاویر با شبکه عصبی کانالوشن نیاز به یک دیتابیس خیلی قوی و جامع دارید.
بعد از تهیه این دیتابیس یا پایگاه داده از میلیون ها تصاویر باید آنها را بنا به هدف خود دسته بندی کنید.
سپس باید شبکه خود را طراحی کنید یا از شبکه های پیش آموزش یافته یا همان pretrained استفاده کنید.
آموزش کامل و جامعتری را می توانید در بسته یادگیری عمیق اایران متلب ببینید.