آموزش استخراج ویژگی تصاویر و پیاده سازی در متلب MATLAB + گواهینامه
2 ساعت
5.0
استخراج ویژگی چیست؟ استخراج ویژگی (Feature Extraction)، فرایندی است که جهت مشخص کردن هویت داده‌ها انجام می‌شود و يکی از ضروری‌ترين مراحل طبقه‌بندی داده‌های تصويری در کلاس‌های مختلف است. در واقع هدف اصلی از اين فرايند، افزايش نرخ شناسايی مجموعه‌ای از داده‌ها با ويژگی‌های مشابه است. اهمیت یادگیری استخراج ویژگی مبتنی بر بافت تصویر و پیاده‌سازی آن در متلب چیست؟ در حوزه هوش مصنوعی، طبقه‌بندی داده‌ها به دلیل انواع كاربردهای آن نظیر تشخیص حالات چهره، شناسایی انواع بیماری‌ها، بیان ژن، شناسایی گونه‌های مختلف جانوری و گیاهی و شناسایی هویت انسان از اهمیت ویژه‌ای برخوردار است. از اصلی‌ترین مراحل پردازش در این کاربردها، مرحله استخراج ویژگی است. به کارگیری الگوریتم‌های جدید و مقاوم در برابر تغییرات روشنایی و نویز، می‌تواند دقت طبقه‌بندی (Classification) را افزایش دهد؛ بنابراین یادگیری استخراج ویژگی مبتنی بر بافت تصویر و پیاده‌سازی آن در MATLAB، مزایایی مانند افزایش دقت طبقه‌بندی در کاربردهایی نظیر تشخیص حالات چهره یا شناسایی بیماری‌ها، توانایی در شناسایی الگوهای پیچیده و انعطاف‌پذیری در برابر تغییرات روشنایی و نویز را برای متخصصین و علاقه‌مندان ایجاد می‌کند. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش، ابتدا به معرفی انواع روش‌های استخراج ویژگی خواهیم پرداخت؛ سپس با ۸ مورد از معروف‌ترین توصیف‌گرها جهت استخراج ویژگی تصویر آشنا خواهیم شد. ابتدا ۴ توصیف‌گر مبتنی بر اطلاعات محلی و در ادامه، ۴ توصیف‌گر مبتنی بر گرادیان ارائه خواهند شد. همچنین، به پیاده‌سازی این الگوریتم‌ها در متلب خواهیم پرداخت. در انتها، با به‌کارگیری طبقه‌بند SVM، مقایسه عملکرد این الگوریتم‌ها را در طبقه‌بندی داده‌های تصویر، مورد بررسی قرار می‌دهیم.
