इस 100% ऑनलाइन विश्वविद्यालय उपाधि की बदौलत आप सबसे यथार्थवादी डेटा की प्राप्ति के लिए एडवरसैरियल नेटवर्क के बारे में विस्तार से समझेंगे”

कंप्यूटर विज़न मशीन लर्निंग का एक क्षेत्र है, जो अधिकांश प्रौद्योगिकी कंपनियों के लिए बहुत महत्वपूर्ण है। यह तकनीक कंप्यूटर व सिस्टम, दोनों को डिजिटल छवियों, वीडियो और अन्य इमेज इनपुट से सार्थक जानकारी निकालने की अनुमति देती है। इसके कई लाभों में विनिर्माण प्रक्रियाओं के दौरान सटीकता के स्तर में वृद्धि और मानवीय त्रुटि का उन्मूलन शामिल है। इसलिए, ये उपकरण उत्पादन के दौरान समस्याओं के समाधान को सुविधाजनक बनाते हुए उत्पादों की उच्चतम गुणवत्ता की गारंटी देते हैं। 

इस वास्तविकता को ध्यान में रखते हुए, TECH एक पेशेवर स्नातकोत्तर उपाधि विकसित कर रहा है, जो कंप्यूटर विज़न को विस्तार से संबोधित करेगा। क्षेत्र के विशेषज्ञों द्वारा डिज़ाइन किया गया, यह पाठ्यक्रम 3डी इमेज प्रोसेसिंग पर केंद्रित होगा। इस संबंध में, कार्यक्रम छात्रों को डेटा को विज़ुअलाइज़ करने के लिए सबसे उन्नत प्रोसेसिंग सॉफ़्टवेयर प्रदान करेगा। बड़े और जटिल डेटा सेटों से निपटने में इसकी प्रासंगिकता को देखते हुए, पाठ्यक्रम डीप लर्निंग विश्लेषण पर भी ध्यान केंद्रित करेगा। यह स्नातकों को अत्याधुनिक एल्गोरिदम और मॉडल के साथ अपनी सामान्य कार्य प्रक्रियाओं को समृद्ध करने की अनुमति देगा। इसके अलावा, शिक्षण सामग्री विभिन्न फ्रेमवर्क (जैसे केरस, टेंसरफ्लो वी2 पायटोर्च) का उपयोग करके कंप्यूटर विज़न तकनीकों की एक विस्तृत श्रृंखला प्रदान करेगी। 

इस विश्वविद्यालय उपाधि का प्रारूप 100% ऑनलाइन पद्धति पर आधारित है। इस वर्चुअल कैंपस तक पहुंचने के लिए स्नातकों के पास इंटरनेट सुविधा वाला एक इलेक्ट्रॉनिक उपकरण (जैसे कंप्यूटर, सेल फोन या टैबलेट) होना पर्याप्त है।  वहां उन्हें मल्टीमीडिया संसाधनों से सुसज्जित एक लाइब्रेरी मिलेगी, जिसकी मदद से वे अपने ज्ञान को गतिशील तरीके से मजबूत करेंगे। यह ध्यान दिया जाना चाहिए कि TECH अपने सभी कार्यक्रमों में नवीन रीलर्निंग पद्धति का प्रयोग करता है, जो छात्रों को स्वाभाविक तरीके से ज्ञान को आत्मसात करने की अनुमति देगा। इसे सुनिश्चित करने के लिए ऑडियो-विजुअल संसाधनों का सहारा लिया जाएगा, जिससे यह स्मृति में लंबे समय तक कायम रहे।

आप भविष्य की तकनीक के एक प्रमुख क्षेत्र में विशेषज्ञ होंगे जो आपके करियर को तुरंत ऊंचाई देगा”

इस कंप्यूटर विज़न पेशेवर स्नातकोत्तर उपाधि बाजार का सबसे पूर्ण और अद्यतन वैज्ञानिक कार्यक्रम है। सबसे महत्वपूर्ण विशेषताओं में शामिल हैं:

• कंप्यूटर विज्ञान और कंप्यूटर विज़न के विशेषज्ञों द्वारा प्रस्तुत केस स्टडीज़ का विकास
• ग्राफिक, योजनाबद्ध और व्यावहारिक सामग्री जिसके साथ उन्हें बनाया गया है, उन विषयों पर वैज्ञानिक और व्यावहारिक जानकारी प्रदान करती है, जो पेशेवर अभ्यास के लिए आवश्यक हैं
• व्यावहारिक अभ्यास जहां लर्निंग को बेहतर बनाने के लिए स्व-मूल्यांकन प्रक्रिया को अंजाम दिया जा सकता है
• नवीनतम प्रणालियों पर विशेष जोर 
• सैद्धांतिक पाठ, विशेषज्ञ से प्रश्न, विवादास्पद विषयों पर वाद-विवाद मंच और व्यक्तिगत चिंतन असाइनमेंट
• विषय-वस्तु जिस तक इंटरनेट कनेक्शन वाले किसी भी स्थायी या पोर्टेबल यंत्र से पहुँचना सुलभ है

मूल्यांकन मेट्रिक्स में विशेषज्ञता तलाश रहे हैं? इस कार्यक्रम के साथ केवल 12 महीनों में इसे हासिल करें”

कार्यक्रम के शिक्षण स्टाफ में उस क्षेत्र के पेशेवर शामिल हैं, जो इस शैक्षणिक कार्यक्रम में अपने कार्य अनुभव का योगदान करते हैं, साथ ही प्रमुख समाजों और प्रतिष्ठित विश्वविद्यालयों के प्रसिद्ध विशेषज्ञ भी शामिल हैं। 

नवीनतम शैक्षणिक प्रौद्योगिकी के साथ विकसित की गई मल्टीमीडिया विषय-वस्तु, पेशेवर को स्थायी और प्रासंगिक शिक्षा उपलब्ध कराएगी, अर्थात एक ऐसा सिम्युलेटेड वातावरण जो वास्तविक परिस्थितियों में सीखने के लिए प्रोग्राम की गई गहन शिक्षा प्रदान करेगा। 

यह कार्यक्रम समस्या-आधारित शिक्षण के इर्द-गिर्द डिज़ाइन किया गया है, जिसके अंतर्गत पेशेवर को शैक्षणिक वर्ष के दौरान उत्पन्न होने वाली विभिन्न व्यावसायिक अभ्यास स्थितियों को हल करने का प्रयास करना चाहिए। इसके लिए, छात्र को प्रसिद्ध और अनुभवी विशेषज्ञों द्वारा बनाई गई एक अभिनव इंटरैक्टिव वीडियो कार्यप्रणाली द्वारा सहायता प्रदान की जाएगी।

आप सबसे जटिल समस्याओं को हल करने के लिए डीप लर्निंग को प्रभावी ढंग से नियंत्रित कर पाएंगे"

आपको संपूर्ण पाठ्यक्रम में प्राकृतिक और प्रगतिशील शिक्षण के साथ, दोहराव पर आधारित एक शिक्षण प्रणाली तक पहुंच प्राप्त होगी"

यह कार्यक्रम छात्रों को आर्टिफिशियल इंटेलिजेंस की अत्याधुनिक स्थिति का व्यापक अवलोकन प्रदान करेगा। 10 पूर्ण मॉड्यूल से युक्त, अकादमिक यात्रा कार्यक्रम पारंपरिक दृष्टि एल्गोरिदम कोसंबोधित करेगा और डीप लर्निंग में नवीनतम प्रगति की पेशकश करेगा। उपदेशात्मक सामग्री सबसे एडवांस्ड कंप्यूटर विज़न तकनीक प्रदान करेगी, जिससे छात्र उन्हें तुरंत अपने पेशेवर अभ्यास में शामिल कर सकें। इसके अलावा, स्नातकों के लिए इमेज में वस्तुओं का सही वर्गीकरण करने के लिए पाठ्यक्रम में कन्वेन्शनल नेटवर्क का विस्तार से विश्लेषण किया जाएगा। 

कार्यक्रम का कोई निश्चित शेड्यूल नहीं है और पाठ्यक्रम पहले दिन से ही उपलब्ध है। अपनी सीखने की गति स्वयं निर्धारित करें”

मॉड्यूल 1. कंप्यूटर विज़न

1.1. मानवीय धारणा

1.1.1. मानव विजुअल प्रणाली
1.1.2. रंग
1.1.3. विज़िबल और नॉन विज़िबल आवृत्तियां

1.2. कंप्यूटर विज़न का क्रॉनिकल

1.2.1. सिद्धांत
1.2.2. विकास
1.2.3. कम्प्यूटर विज़न का महत्व

1.3. डिजिटल इमेज संघटन

1.3.1. डिजिटल इमेज
1.3.2. इमेज के प्रकार
1.3.3. कलर स्पसेस
1.3.4. आरजीबी
1.3.5. एचएसवी और एचएसएल
1.3.6. सीएमवाई-सीएमवाईके
1.3.7. वाईसीबीसीआर
1.3.8. इंडेक्स इमेज

1.4. इमेज ऐक्विज़िशन सिस्टम

1.4.1. डिजिटल कैमरे का संचालन
1.4.2. प्रत्येक स्थिति के लिए सही एक्सपोज़र
1.4.3. क्षेत्र की गहराई
1.4.4. रेसोल्यूशन
1.4.5. इमेज फोर्मेट्स
1.4.6. एचडीआर मोड
1.4.7. हाई रेसोल्यूशन कैमरा
1.4.8. हाई स्पीड कैमरा

1.5. ऑप्टिकल सिस्टम्स

1.5.1. ऑप्टिकल सिद्धांत
1.5.2. कन्वेन्शनल लेंस
1.5.3. टेलीसेंट्रिक लेंस
1.5.4. ऑटोफोकस लेंस के प्रकारऑप्टिकल लेंस के प्रकार
1.5.5. फोकल लेंथ
1.5.6. क्षेत्र की गहराई
1.5.7. ऑप्टिकल विरूपण
1.5.8. एक छवि को जाँचना

1.6. इल्युमिनेशन प्रणाली

1.6.1. इल्युमिनेशन का महत्व
1.6.2. आवृत्ति प्रतिक्रिया
1.6.3. एलईडी इल्युमिनेशन
1.6.4. आउटडोर लाइटनिंग
1.6.5. औद्योगिक अनुप्रयोगों के लिए लाइटनिंग के प्रकार। प्रभाव

1.7. 3डी कैप्चर प्रणाली

1.7.1. स्टीरियो विज़न
1.7.2. ट्राईऐन्ग्युलेशंस
1.7.3. संरचित प्रकाश
1.7.4. टाइम ऑफ फ्लाइट
1.7.5. लाइडर

1.8. मल्टीस्पेक्ट्रम

1.8.1. मल्टीस्पेक्ट्रल कैमरे
1.8.2. हाइपरस्पेक्ट्रल कैमरे

1.9. नॉन-विज़िबल नियर स्पेक्ट्रम

1.9.1. आईआर कैमरे
1.9.2. यूवी कैमरे
1.9.3. रोशनी द्वारा अदृश्य से दृश्यमान में परिवर्तित करना

1.10. अन्य बैंड स्पेक्ट्रम

1.10.1. एक्स-रे
1.10.2. टेराहर्ट्ज़

मॉड्यूल 2. एप्लिकेशन और स्टेट-ऑफ-द-आर्ट

2.1. औद्योगिक अनुप्रयोग

2.1.1. मशीन विज़न लाइब्रेरीज़
2.1.2. कॉम्पैक्ट कैमरे
2.1.3. पीसी-आधारित सिस्टम
2.1.4. औद्योगिक रोबोटिक्स
2.1.5. 2डी चुनें और रखें
2.1.6. बिन चुनना
2.1.7. गुणवत्ता नियंत्रण
2.1.8. घटकों की उपस्थिति अनुपस्थिति
2.1.9. आयाम नियंत्रण
2.1.10. लेबलिंग नियंत्रण
2.1.11. पता लगाने की क्षमता

2.2. स्वायत्त वाहन

2.2.1. ड्राइवर सहायता
2.2.2. स्वायत्त ड्राइविंग

2.3. सामग्री विश्लेषण के लिए कंप्यूटर विज़न

2.3.1. सामग्री द्वारा फ़िल्टर करना
2.3.2. विजुअल सामग्री मॉडरेशन
2.3.3. ट्रैकिंग सिस्टम
2.3.4. ब्रांड और लोगो की पहचान
2.3.5. वीडियो लेबलिंग और वर्गीकरण
2.3.6. दृश्य परिवर्तन का पता लगाना
2.3.7. पाठ या क्रेडिट निष्कर्षण

2.4. चिकित्सा अनुप्रयोग

2.4.1. रोग का पता लगाना और स्थानीयकरण
2.4.2. कैंसर और एक्स-रे विश्लेषण
2.4.3. कोविड-19 को देखते हुए कंप्यूटर विज़न में प्रगति
2.4.4. ऑपरेटिंग कक्ष में सहायता

2.5. स्थानिक अनुप्रयोग

2.5.1. छवि विश्लेषण
2.5.2. अंतरिक्ष के अध्ययन के लिए कंप्यूटर विज़न
2.5.3. मंगल ग्रह पर मिशन

2.6. वाणिज्यिक अनुप्रयोग

2.6.1. स्टॉक नियंत्रण
2.6.2. वीडियो निगरानी, गृह सुरक्षा
2.6.3. पार्किंग कैमरे
2.6.4. जनसंख्या नियंत्रण कैमरे
2.6.5. गति कैमरा

2.7. रोबोटिक्स पर लागू विजन

2.7.1. ड्रोन
2.7.2. एजीवी
2.7.3. कोलेबरेटिव रोबॉट्स में विज़न
2.7.4. द आइज़ ऑफ रोबॉट्स

2.8. संवर्धित वास्तविकता

2.8.1. संचालन
2.8.2. उपकरण
2.8.3. उद्योग में अनुप्रयोग
2.8.4. वाणिज्यिक अनुप्रयोग

2.9. क्लाउड कम्प्यूटिंग

2.9.1. क्लाउड कंप्यूटिंग प्लेटफार्म
2.9.2. क्लाउड कंप्यूटिंग से लेकर उत्पादन तक

2.10. शोध और स्टेट-ऑफ-द-आर्ट

2.10.1. वाणिज्यिक अनुप्रयोग
2.10.2. वॉट इस कुकिंग
2.10.3. कम्प्यूटर विज़न का भविष्य

मॉड्यूल 3. डिजिटल इमेज प्रोसेसिंग

3.1. कंप्यूटर विज़न विकास पर्यावरण

3.1.1. कंप्यूटर विज़न लाइब्रेरीज़
3.1.2. प्रोग्रामिंग वातावरण
3.1.3. कंप्यूटर विज़न पुस्तकालय

3.2. डिजिटल इमेज प्रोसेसिंग

3.2.1. पिक्सेल संबंध
3.2.2. इमेज संचालन
3.2.3. ज्यामितीय परिवर्तन

3.3. पिक्सेल संचालन

3.3.1. हिस्टोग्राम
3.3.2. हिस्टोग्राम परिवर्तन
3.3.3. कलर इमेज पर संचालन

3.4. बुनियादी ज्यामितीय परिवर्तन

3.4.1. जोड़ना और घटाना
3.4.2. प्रोडक्ट एंड डिविजन
3.4.3. एंड/एनएंड
3.4.4. ओर/नॉर
3.4.5. एक्सऔर/एक्सनॉर

3.5. फिल्टर

3.5.1. मास्क और कोन्वोल्युशन
3.5.2. रैखिक फ़िल्टरिंग
3.5.3. गैर-रैखिक फ़िल्टरिंग
3.5.4. फूरियर विश्लेषण

3.6. रूपात्मक संचालन

3.6.1. क्षरण और फैलाव
3.6.2. खोलना और बंद करना
3.6.3. टॉप हैट और ब्लैक हैट
3.6.4. कोंटर डिटेक्शन
3.6.5. स्केलेटन
3.6.6. होल फिलिंग
3.6.7. कॉन्वैक्स हुल

3.7. इमेज विश्लेषण टूल

3.7.1. किनारे का पता लगाना
3.7.2. डिटेक्शन ऑफ ब्लोब्स
3.7.3. आयाम नियंत्रण
3.7.4. रंग निरीक्षण

3.8. ऑब्जेक्ट सेगमेंटेशन

3.8.1. इमेज सेगमेंटेशन
3.8.2. क्लासिकल विभाजन तकनीकें
3.8.3. वास्तविक अनुप्रयोग

3.9. इमेज कैलिब्रेशन

3.9.1. इमेज कैलिब्रेशन
3.9.2. कैलिब्रेशन के तरीके
3.9.3. 2डी कैमरा/रोबोट सिस्टम में कैलिब्रेशन प्रक्रिया

3.10. वास्तविक वातावरण में इमेज प्रसंस्करण

3.10.1. समस्या विश्लेषण
3.10.2. मूर्ति प्रोद्योगिकी
3.10.3. विशेषता निष्कर्षण
3.10.4. अंतिम परिणाम

मॉड्यूल 4. एडवांस्ड डिजिटल इमेज प्रोसेसिंग

4.1. ऑप्टिकल कैरेक्टर रिकग्निशन (ओसीआर)

4.1.1.   इमेज प्री-प्रोसेसिंग
4.1.2. टेक्स्ट डिटेक्शन
4.1.3. टेक्स्ट रेकग्निशन

4.2. कोड रीडिंग

4.2.1. 1डी कोड
4.2.2. 2डी कोड
4.2.3. अनुप्रयोग

4.3. पैटर्न खोज

4.3.1. पैटर्न खोज
4.3.2. ग्रे लेवल पर आधारित पैटर्न
4.3.3. आकृतियों पर आधारित पैटर्न
4.3.4. ज्यामितीय आकृतियों पर आधारित पैटर्न
4.3.5. अन्य तकनीकें

4.4. पारंपरिक विज़न के साथ ऑब्जेक्ट ट्रैकिंग

4.4.1. पृष्ठभूमि निष्कर्षण
4.4.2. मीनशिफ्ट
4.4.3. कैमशिफ्ट
4.4.4. ऑप्टिकल फलो

4.5. चेहरे की पहचान

4.5.1. फेशियल लैंडमार्क डिटेक्शन
4.5.2. अनुप्रयोग
4.5.3. चेहरे की पहचान
4.5.4. भावना पहचान

4.6. पैनोरमिक और अलाइमेंट

4.6.1. स्टिचिंग
4.6.2. छवि संरचना
4.6.3. फोटोमोंटेज

4.7. हाई डायनेमिक रेंज (एचडीआर) और फोटोमेट्रिक स्टीरियो

4.7.1. डायनामिक रेंज बढ़ाना
4.7.2. कोंटर एन्हांसमेंट के लिए  इमेज संयोजन
4.7.3. गतिशील अनुप्रयोगों के उपयोग की तकनीकें

4.8. इमेज कंप्रेशन

4.8.1. इमेज कंप्रेशन
4.8.2. कंप्रेशन के प्रकार
4.8.3. इमेज कंप्रेशन तकनीकें

4.9. वीडियो प्रोसेसिंग

4.9.1. इमेज सीक्वेंस
4.9.2. वीडियो प्रारूप और कोडेक्स
4.9.3. एक वीडियो को रीड करना
4.9.4. फ्रेम प्रोसेसिंग

4.10. इमेज प्रोसेसिंग का वास्तविक अनुप्रयोग

4.10.1. समस्या विश्लेषण
4.10.2. इमेज प्रोसेसिंग
4.10.3. फीचर एक्स्ट्रैक्शन
4.10.4. अंतिम परिणाम

मॉड्यूल 5. 3डी इमेज प्रोसेसिंग

5.1. 3डी इमेजिंग

5.1.1. 3डी इमेजिंग
5.1.2. 3डी इमेज प्रोसेसिंग सॉफ्टवेयर और विज़ुअलाइज़ेशन
5.1.3. मेट्रोलॉजी सॉफ्टवेयर

5.2. ओपन3डी

5.2.1. 3डी डेटा प्रोसेसिंग के लिए लाइब्रेरी
5.2.2. विशेषताएं
5.2.3. इंसटॉलेशन और उपयोग

5.3. डेटा

5.3.1. 2डी इमेज में डेप्थ मैप
5.3.2. पॉइंटक्लाउड्स
5.3.3. नॉर्मल
5.3.4. सरफेसेज़

5.4. विसुअलाईज़ेशन

5.4.1. डेटा विज़ुअलाइज़ेशन
5.4.2. नियंत्रण
5.4.3. वेब डिस्प्ले

5.5. फिल्टर

5.5.1. बिंदुओं के बीच की दूरी, आउटलेर्स को हटाना
5.5.2. हाई पास फ़िल्टर
5.5.3. डाउनसैंपलिंग

5.6. ज्यामिति और फ़ीचर निष्कर्षण

5.6.1. एक प्रोफाइल का निष्कर्षण
5.6.2. डेप्थ मापन
5.6.3. वॉल्यूम
5.6.4. 3डी ज्यामितीय आकार
5.6.5. शॉट्स
5.6.6. एक बिंदु का प्रोजेक्शन
5.6.7. ज्यामितीय दूरियाँ
5.6.8. केडी ट्र्री
5.6.9. 3डी विशेषताएं

5.7. पंजीकरण और मेशिंग

5.7.1. कॉन्कैटनेशन
5.7.2. आईसीपी
5.7.3. रैनसैक 3डी

5.8. 3डी वस्तु पहचान

5.8.1. 3डी दृश्य में किसी वस्तु की खोज करना
5.8.2. सेगमेंटेशन
5.8.3. बिन पिकिंग

5.9. सरफेस विश्लेषण

5.9.1. स्मूथिंग
5.9.2. ओरिएंटेबल सरफेसेज़
5.9.3. ऑक्ट्री

5.10. ट्राईऐन्ग्युलेशंस

5.10.1. मेश से प्वाइंट क्लाउड तक
5.10.2. डेप्थ मैप ट्राईऐन्ग्युलेशंस
5.10.3. अव्यवस्थित पॉइंट क्लाउड्स का ट्राईऐन्ग्युलेशंस 

मॉड्यूल 6. डीप लर्निंग

6.1. आर्टिफ़िशियल इंटेलिजेंस

6.1.1. मशीन लर्निंग
6.1.2. डीप लर्निंग
6.1.3. डीप लर्निंग में अचानक वृद्धि अभी क्यों

6.2. न्यूरल नेटवर्क

6.2.1. डीप न्यूरल नेटवर्क
6.2.2. न्यूरल नेटवर्क का उपयोग
6.2.3. लीनियर रिग्रेशन और परसेप्ट्रॉन
6.2.4. फॉरवर्ड प्रोपेगेशन
6.2.5. बैकप्रोपेगेशन
6.2.6. फ़ीचर वेक्टर

6.3. लॉस फंक्शन

6.3.1. लॉस फंक्शन
6.3.2. लॉस फंक्शन के प्रकार
6.3.3. लॉस फंक्शन के विकल्प

6.4. सक्रियण कार्य

6.4.1. सक्रियण कार्य
6.4.2. रेखीय कार्य
6.4.3. अरेखीय कार्य
6.4.4. आउटपुट बनाम हिडन लेयर एक्टिवेशन फ़ंक्शंस

6.5. नियमितीकरण और सामान्यीकरण

6.5.1. नियमितीकरण और सामान्यीकरण
6.5.2. ओवरफिटिंग और डेटा ऑग्मेंटेशन
6.5.3. नियमितीकरण के तरीके: एल1, एल2 और ड्रॉपआउट
6.5.4. नियमितीकरण के तरीके: बैच, भार, परत

6.6. ऑप्टीमाईजेशन

6.6.1. ग्रैडीअन्ट डिसेन्ट
6.6.2. स्टोकेस्टिक ग्रेडिएंट डिसेंट
6.6.3. मिनी बैच ग्रेडिएंट डिसेंट
6.6.4. गति
6.6.5. एडम

6.7. हाइपरपैरामीटर ट्यूनिंग और भार

6.7.1. हाइपरपैरामीटर
6.7.2. बैच का आकार बनाम सीखने की दर बनाम चरण क्षय
6.7.3. भार

6.8. न्यूरल नेटवर्क का मूल्यांकन मेट्रिक्स

6.8.1. यथार्थता
6.8.2. डाइस गुणांक
6.8.3. संवेदनशीलता बनाम विशिष्टता / स्मरण बनाम सटीकता
6.8.4. आरओसी वक्र (एयूसी)
6.8.5. एफ1-स्कोर
6.8.6. मैट्रिक्स कन्फ्यूजन
6.8.7. क्रॉस सत्यापन

6.9. फ्रेमवर्क और हार्डवेयर

6.9.1. टेंसर फ्लो
6.9.2. पाइटॉर्च
6.9.3. कैफ़े
6.9.4. केरस
6.9.5. प्रशिक्षण चरण के लिए हार्डवेयर

6.10. एक तंत्रिका नेटवर्क का निर्माण- प्रशिक्षण और सत्यापन

6.10.1. डेटासेट
6.10.2. नेटवर्क निर्माण
6.10.3. शिक्षा
6.10.4. परिणामों का विज़ुअलाइज़ेशन

मॉड्यूल 7. कनवल्शनल न्यूरल नेटवर्क और इमेज क्लासिफिकेशन

7.1. कनवल्शन न्यूरल नेटवर्क्स

7.1.1. परिचय
7.1.2. कनवल्शन
7.1.3. सीएनएन बिल्डिंग ब्लॉक्स

7.2. सीएनएन परतों के प्रकार

7.2.1. कनवल्शन
7.2.2. सक्रियण
7.2.3. बैच का सामान्यीकरण
7.2.4. पोलिंग
7.2.5. पूर्ण कनेक्शन

7.3. मेट्रिक्स

7.3.1. मैट्रिक्स कन्फ्यूजन
7.3.2. यथार्थता
7.3.3. परिशुद्धता
7.3.4. याद करना
7.3.5. एफ1 स्कोर
7.3.6. आरओसी, कर्व
7.3.7. एयूसी

7.4. मुख्य वास्तुकला

7.4.1. एलेक्सनेट
7.4.2. वीजीजी
7.4.3. रेसनेट
7.4.4. गूगललेनेट

7.5. इमेज वर्गीकरण

7.5.1. परिचय
7.5.2. डेटा विश्लेषण
7.5.3. डेटा तैयारी
7.5.4. मॉडल प्रशिक्षण
7.5.5. मॉडल सत्यापन

7.6. सीएनएन प्रशिक्षण के लिए व्यावहारिक विचार

7.6.1. ऑप्टिमाइज़र चयन
7.6.2. लर्निंग रेट अनुसूची
7.6.3. प्रशिक्षण पाइपलाइन की जाँच करें
7.6.4. नियमितीकरण के साथ प्रशिक्षण

7.7. डीप लर्निंग में सर्वोत्तम अभ्यास

7.7.1. ट्रांसफर लर्निंग
7.7.2. फ़ाइन ट्यूनिंग
7.7.3. डेटा संवर्धन

7.8. सांख्यिकीय डेटा मूल्यांकन

7.8.1. डेटासेट्स की संख्या
7.8.2. लेबलों की संख्या
7.8.3. इमेज की संख्या
7.8.4. डेटा संतुलन

7.9. परिनियोजन

7.9.1. मॉडल सहेजना और लोड करना
7.9.2. ओनक्स
7.9.3. अनुमान

7.10. केस स्टडीस इमेज वर्गीकरण

7.10.1. डेटा विश्लेषण और तैयारी
7.10.2. ट्रेनिंग पाइपलाइन का परीक्षण
7.10.3. मॉडल प्रशिक्षण
7.10.4. मॉडल सत्यापन

मॉड्यूल 8. ऑब्जेक्ट डिटेक्शन

8.1. ऑब्जेक्ट डिटेक्शन और ट्रैकिंग

8.1.1. ऑब्जेक्ट डिटेक्शन
8.1.2. केस का उपयोग
8.1.3. ऑब्जेक्ट ट्रैकिंग
8.1.4. केस का उपयोग
8.1.5. अवरोधन, कठोर और गैर-कठोर मुद्राएँ

8.2. मूल्यांकन मेट्रिक्स

8.2.1. आईओयू - इंटरसेक्शन ओवर यूनियन
8.2.2. कॉन्फिडेंस स्कोर
8.2.3. याद करना
8.2.4. परिशुद्धता
8.2.5. स्मरण-परिशुद्धता कर्व
8.2.6. औसत अर्थ परिशुद्धता (एमएपी)

8.3. पारंपरिक विधियाँ

8.3.1. स्लाइडिंग विंडो
8.3.2. वियोला डिटेक्टर
8.3.3. एचओजी
8.3.4. नॉन-मेक्सिमल सप्रेसियन (एनएमएस)

8.4. डेटासेट

8.4.1. पास्कल वीसी
8.4.2. एमएस कोको
8.4.3. इमेजनेट (2014)
8.4.4. एमओटीए चैलेंज

8.5. टू शॉट ऑब्जेक्ट डिटेक्टर

8.5.1. आर-सीएनएन
8.5.2. फास्ट आर-सीएनएन
8.5.3. फास्टर आर-सीएनएन
8.5.4. मास्क आर- सीएनएन

8.6. सिंगल शॉट ऑब्जेक्ट डिटेक्टर

8.6.1. एसएसडी
8.6.2. वाईओएलओ
8.6.3. रेटिनानेट
8.6.4. सेंटरनेट
8.6.5. एफिशेन्टडेट

8.7. बैकबोन्स

8.7.1. वीजीजी
8.7.2. रेसनेट
8.7.3. मोबाइलनेट
8.7.4. शफ़लनेट
8.7.5. डार्कनेट

8.8. ऑब्जेक्ट ट्रैकिंग

8.8.1. क्लासिकल दृष्टिकोण
8.8.2. पार्टिकुलेट फ़िल्टर
8.8.3. कलमेन
8.8.4. सॉर्ट ट्रैकर
8.8.5. डीप सॉर्ट

8.9. परिनियोजन

8.9.1. कंप्यूटिंग प्लेटफार्म
8.9.2. बेकबोन का चयन
8.9.3. फ्रेमवर्क का चयन
8.9.4. मॉडल अनुकूलन
8.9.5. मॉडल संस्करण

8.10. अध्ययन: लोगों का पता लगाना और ट्रैकिंग करना

8.10.1. लोगों का पता लगाना
8.10.2. लोगों पर निगरानी
8.10.3. पुन: पहचान
8.10.4. भीड़ में लोगों की गिनती करना

मॉड्यूल 9. डीप लर्निंगके साथ इमेज सेगमेंटेशन

9.1. ऑब्जेक्ट डिटेक्शन और सेगमेंटेशन

9.1.1. शब्दार्थ विभाजन
9.1.1.1. सिमेंटिक सेगमेंटेशन उपयोग के मामले
9.1.2. त्वरित विभाजन
9.1.2.1. त्वरित विभाजन उपयोग के मामले

9.2. मूल्यांकन मेट्रिक्स

9.2.1. अन्य विधियों के साथ समानताएँ
9.2.2. पिक्सेल सटीकता
9.2.3. डाइस गुणांक (एफ़1 स्कोर)

9.3. लागत कार्य

9.3.1. डाइस लॉस
9.3.2. फोकल लॉस
9.3.3. टावर्सकी लॉस
9.3.4. अन्य कार्य

9.4. पारंपरिक सेगमेंटेशन विधियाँ

9.4.1. ओत्सु और रिडलेन के साथ थ्रेसहोल्ड एप्लिकेशन
9.4.2. स्व-संगठित मानचित्र
9.4.3. जीएमएम-ईएम एल्गोरिथम

9.5. डीप लर्निंग को लागू करते हुए सिमेंटिक विभाजन एफ़सीएन

9.5.1. एफ़सीएन
9.5.2. आर्किटेक्चर
9.5.3. एफसीएन अनुप्रयोग

9.6. डीप लर्निंग को लागू करते हुए सिमेंटिक विभाजन यू-एनईटी

9.6.1. यू-एनईटी
9.6.2. आर्किटेक्चर
9.6.3. यू-एनईटी अनुप्रयोग

9.7. डीप लर्निंग को लागू करते हुए सिमेंटिक विभाजन डीप लैब

9.7.1. डीप लैब
9.7.2. आर्किटेक्चर
9.7.3. डीप लर्निंग अनुप्रयोग

9.8. डीप लर्निंग को लागू करते हुए त्वरित विभाजन आरसीएनएन मास्क

9.8.1. आरसीएनएन मास्क
9.8.2. आर्किटेक्चर
9.8.3. मास्क आरसीएनएन का अनुप्रयोग

9.9. वीडियो सेगमेंटेशन

9.9.1. एसटीएफ़सीएन
9.9.2. सिमेंटिक वीडियो सीएनएन
9.9.3. क्लॉकवर्क कन्वेनेट्स
9.9.4. कम अव्यक्ता

9.10. प्वाइंट क्लाउड सेगमेंटेशन

9.10.1. द प्वाइंट क्लाउड
9.10.2. पॉइंटनेट
9.10.3. ए-सीएनएन

मॉड्यूल 10. एडवांस्ड इमेज सेगमेंटेशन और एडवांस्ड कंप्यूटर विज़न तकनीकें

10.1. सामान्य विभाजन समस्याओं के लिए डेटाबेस

10.1.1. पास्कल संदर्भ
10.1.2. सेलेबएमास्क-एचक्यू
10.1.3. सिटीस्केप्स डेटासेट
10.1.4. सीसीपी डेटासेट

10.2. चिकित्सा में सिमेंटिक सेगमेंटेशन

10.2.1. चिकित्सा में सिमेंटिक सेगमेंटेशन
10.2.2. चिकित्सा समस्याओं के लिए डेटासेट
10.2.3. व्यावहारिक अनुप्रयोगों

10.3. एनोटेशन टूल्स

10.3.1. कंप्यूटर विज़न एनोटेशन टूल
10.3.2. लेबलमी
10.3.3. अन्य उपकरण

10.4. विभिन्न फ़्रेमवर्क का उपयोग करके सेगमेंटेशन टूल

10.4.1. केरस
10.4.2. टेंसरफलो वी2
10.4.3. पाइटॉर्च
10.4.4. अन्य

10.5. सिमेंटिक विभाजन परियोजना. डेटा, चरण 1

10.5.1. समस्या विश्लेषण
10.5.2. डेटा के लिए इनपुट स्रोत
10.5.3. डेटा विश्लेषण
10.5.4. डेटा तैयारी

10.6. सिमेंटिक विभाजन परियोजना. प्रशिक्षण, चरण 2

10.6.1. एल्गोरिथम चयन
10.6.2. शिक्षा
10.6.3. मूल्यांकन

10.7. सिमेंटिक विभाजन परियोजना. परिणाम, चरण 3

10.7.1. फ़ाइन ट्यूनिंग
10.7.2. समाधान की प्रस्तुति
10.7.3. निष्कर्ष

10.8. ऑटोएन्कोडर्स

10.8.1. ऑटोएन्कोडर्स
10.8.2. ऑटोएन्कोडर आर्किटेक्चर
10.8.3. नोइज़ उन्मूलन ऑटोएन्कोडर्स
10.8.4. ऑटोमेटिक कलरिंग ऑटोएन्कोडर

10.9. जेनरेटिव अड्वॅरसरीअल नेटवर्क्स (जीएएनएस)

10.9.1. जेनरेटिव अड्वॅरसरीअल नेटवर्क्स (जीएएनएस)
10.9.2. डीसीजीएएन आर्किटेक्चर
10.9.3. कंडीशनल जीएएनआर्किटेक्चर

10.10. उन्नत जनरेटिव एडवरसैरियल नेटवर्क

10.10.1. समस्या का अवलोकन
10.10.2. डबल्यूजीएएन
10.10.3. एलएसजीएएन
10.10.4. एसीजीएएन

आप कम से कम समय में सबसे बड़ा प्रभाव प्राप्त करने के लिए पेशेवरों के लिए बनाई गई एक पद्धति के साथ अध्ययन करेंगे"