Udemy – YOLOv12 & YOLO26: Custom Object Detection & Web Apps 2026 2026-2

در تاریخ: 1405/05/21 7:59:33

توضیحات

YOLOv12 & YOLO26: Custom Object Detection & Web Apps 2026، دوره آموزش تشخیص اشیاء سفارشی و ساخت برنامه‌های وب با YOLOv12 و YOLO26 در سال 2026 توسط آکادمی Udemy منتشر شده است.بر بینایی ماشین در زمان واقعی و یادگیری عمیق با ساخت مدل‌های سفارشی تشخیص اشیاء، بخش‌بندی نمونه، تخمین حالت، طبقه‌بندی تصویر، ردگیری و کادربندی چرخیده (OBB) با استفاده از YOLOv12 و YOLO26 مسلط شوید. این دوره کاربردی به بررسی معماری‌های پیشرفته و مکانیزم‌های توجه در جدیدترین نسخه‌های YOLO پرداخته، سرعت و دقت مدل‌ها را مقایسه می‌کند و شما را در راه‌اندازی محیط‌های توسعه در ویندوز و Google Colab راهنمایی می‌نماید. شما مفاهیم بنیادی بینایی ماشین از جمله سرکوب غیرحداکثری (NMS)، میانگین دقت متوسط (mAP) و برچسب‌گذاری داده‌ها با Roboflow را فرامی‌گیرید.

از طریق بیش از 8 پروژه واقعی بینایی ماشین، مدل‌های سفارشی YOLOv12 و YOLO26 را برای تشخیص دست‌اندازها، پایش حیات وحش، بخش‌بندی بسته‌ها، تشخیص فعالیت‌های انسانی و طبقه‌بندی گیاهان آموزش داده و فین‌تیون خواهید کرد. شما همچنین سیستم‌های بینایی پیشرفته‌ای شامل نقشه حرارتی تراکم خودروها، سیستم تبدیل نمای از بالا (BEV)، پلتفرم خودکار تحلیل بازی تنیس با PyTorch و OpenCV و یک برنامه وب تعاملی برای استقرار مدل‌های YOLO در مرورگر با استفاده از Flask خواهید ساخت. در پایان این دوره، مهارت‌های کاربردی لازم برای ساخت، خروجی گرفتن و استقرار برنامه‌های جامع یادگیری عمیق را کسب خواهید کرد.

آنچه خواهید آموخت

مقدمه‌ای بر YOLO26: معماری، نوآوری‌ها و بنچمارک‌ها
استفاده از YOLO26 برای تشخیص، بخش‌بندی، تخمین حالت، OBB و YOLOE-26
راه‌اندازی گام‌به‌گام YOLO26 در ویندوز با Google Antigravity
مقایسه سرعت و دقت YOLO26 در برابر YOLO11
تشخیص اشیاء سفارشی با YOLO26: ساخت مجموعه داده و آموزش مدل
بخش‌بندی نمونه با YOLO26: نشانه‌گذاری مجموعه داده و آموزش مدل
فین‌تیون کردن YOLO26 برای تخمین حالت روی مجموعه داده سفارشی
آموزش YOLO26 برای طبقه‌بندی تصاویر روی مجموعه داده سفارشی
خروجی گرفتن از مدل‌ها با Ultralytics YOLO26
ساخت نقشه حرارتی تراکم خودروها از خروجی‌های تشخیص YOLO26
سیستم نمای از بالا (BEV) در زمان واقعی با استفاده از YOLO26 و OpenCV
معماری YOLOv12 و نحوه عملکرد واقعی آن
درک مفاهیم سرکوب غیرحداکثری (NMS) و میانگین دقت متوسط (mAP)
نحوه استفاده از YOLOv12 برای تشخیص اشیاء
ارزیابی عملکرد مدل YOLOv12 روی تصاویر، ویدیوها و فید زنده وب‌کم
تاری ایجاد کردن روی اشیاء با YOLOv12 و OpenCV-Python
نشانه‌گذاری و برچسب‌گذاری داده‌ها با استفاده از Roboflow
ساخت سیستم تحلیل بازی تنیس با YOLO ،OpenCV و PyTorch
آموزش و فین‌تیون کردن مدل‌های YOLOv12 روی مجموعه‌داده‌های سفارشی
تشخیص اشیاء در مرورگر با استفاده از YOLOv12 و Flask

این دوره برای چه کسانی مناسب است

هر کسی که علاقه‌مند به بینایی ماشین (Computer Vision) است
دانشجویان و پژوهشگران بینایی ماشین که می‌خواهند YOLOv12 و YOLO26 را برای تشخیص اشیاء، بخش‌بندی، تخمین حالت، طبقه‌بندی تصاویر، ردگیری و کادربندی چرخیده (OBB) یاد بگیرند
هر کسی که قصد دارد برنامه‌های یادگیری عمیق کاربردی در زمینه بینایی ماشین بسازد