آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe

مشاهده کامل آموزش پروژه محور پایتون - پیاده سازی بینایی ماشین با کتابخانه MediaPipe http://fdrs.ir/aprt67 بدون شک، بینایی ماشین یکی از تاثیرگذارترین و پیشرفته‌ترین فناوری‌های چند دهه اخیر بوده است. این علم با تکیه بر تکنیک‌های پردازش تصویر و هوش مصنوعی، تغییر شگرفی در فناوری‌های مختلف، از جمله: صنایع نظامی، سیستم‌های نظارتی و کنترلی، صنایع پزشکی و ایجاد کرده است. بینایی ماشین باعث ارتقای سطح هوشمندی سیستم‌ها شده و نقش انسان در فرایندهای تصمیم‌گیری و تشخیصی را به مراتب کم‌رنگ‌تر می‌کند. اخیرا شرکت گوگل کتابخانه‌ای به نام MediaPipe منتشر کرده که ابزارهای متنوع و کارآمدی را در اختیار کاربران قرار می‌دهد. در این کتابخانه، امکاناتی برای: تشخیص چهره، تشخیص حالت بدن، تشخیص دست و گنجانده شده است که بررسی و پیاده‌سازی برخی از این ابزارها موضوع این آموزش را تشکیل می‌دهد. نکته حائز اهمیت در مورد این کتابخانه که آن را از سایر کتابخانه‌ها و شبکه‌های مشهور در حوزه هوش مصنوعی متمایز می‌کند، سهولت در اجرا و پیاده‌سازی، اجرای بر روی CPU و قابلیت استفاده به صورت بلادرنگ است. این کتابخانه به گونه‌ای بهینه‌سازی شده که حتی به سادگی قابلیت پیاده‌سازی بر روی تلفن‌های هوشمند را نیز دارد. در این آموزش به معرفی برخی از کلیدی‌ترین ویژگی‌های این کتابخانه می‌پردازیم و سپس پروژه‌هایی کاربردی به منظور انتقال بهتر مفاهیم ارائه خواهند شد. در این فرادرس، به تعریف و پیاده‌سازی پروژه‌های جذاب و کاربردی بینایی ماشین با کتابخانه MediaPipe خواهیم پرداخت. کتابخانه MediaPipe به دلیل قابلیت پیاده‌سازی بر روی پلت‌فرم‌های مختلف با استفاده از زبان‌های برنامه‌نویسی مختلف و همچنین ویژگی مهم قابلیت اجرا بر روی CPU توانسته است جایگاه خود را در میان محققان بینایی ماشین پیدا کند. رویکرد این آموزش پروژه‌محور بوده و از ورود به تئوری‌های پرتکلف و گاها بی‌تاثیر در فرایند آموزش اجتناب شده است و سپس سعی بر این بوده تا با پیاده‌سازی گام به گام و تقسیم هر برنامه به بخش‌های کوچکتر، فهم و انتقال مطلب به مخاطبان آسان‌تر باشد.