2. Eğitimin Amacı
Bu eğitimin amacı, katılımcılara sayısal görüntü işleme alanının temellerini öğretmek, görüntülerin analiz edilmesi, filtrelenmesi, segmentasyonu ve yapay zekâ destekli yorumlanması süreçlerinde uygulamalı uzmanlık kazandırmaktır.
Katılımcılar eğitim sonunda Python tabanlı kütüphaneler (OpenCV, NumPy, Scikit-Image, TensorFlow) kullanarak görüntü işleme projeleri geliştirebilecek düzeye gelir.
3. Eğitim Programı ve Ders İçerikleri
Görüntü İşlemeye Giriş (4 Saat)
- Görüntü türleri ve piksel yapısı
- Renk uzayları (RGB, HSV, Grayscale)
- Temel kavramlar
Görüntü Temsili ve Temel İşlemler (6 Saat)
- Görüntü okuma, yazma ve yeniden boyutlandırma
- Kesme, filtreleme ve histogram eşitleme
Görüntü Dönüşümleri ve Filtreleme (6 Saat)
- Uzaysal filtreleme ve kenar tespiti
- Bulanıklaştırma, gürültü azaltma ve morfolojik işlemler
Özellik Çıkarma ve Nesne Tanıma (8 Saat)
- Kenar, köşe, kontur, şekil ve renk temelli özellik çıkarımı
- HOG ve SIFT algoritmaları
Segmentasyon ve Sınıflandırma Teknikleri (6 Saat)
- Eşikleme ve bölge büyütme
- Watershed, K-means ve nesne etiketleme uygulamaları
Derin Öğrenme ile Görüntü İşleme (6 Saat)
- CNN mimarileri ve model eğitimi
- Veri artırma ve transfer learning uygulamaları
- TensorFlow uygulamaları
Gerçek Zamanlı Görüntü İşleme Uygulamaları (6 Saat)
- Kamera verisi ile çalışmak
- Hareket tespiti, yüz tanıma ve plaka tanıma sistemleri
Proje ve Değerlendirme Çalışması (6 Saat)
- Kendi görüntü işleme projesini geliştirme
- Model doğruluğu ve çıktı değerlendirmesi