Couvre les bases de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur la classification des images et l'étiquetage des ensembles de données.
Explore l'impact de l'imperméabilisation des sols, les statistiques d'utilisation des terres, la segmentation des images et la classification aléatoire des forêts pour une gestion durable des terres.
Explore le traitement d'images en 2D et 3D, couvrant les conditions d'imagerie idéales, l'analyse d'histogrammes, les outils, les étapes de reconstruction 3D et la visualisation.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.
Explore les techniques de segmentation dans l'analyse d'images, y compris le seuillage, le clustering, la croissance régionale et l'apprentissage automatique.
Explore les défis et les solutions pour gérer la dose d'électrons en microscopie, en soulignant l'importance d'un suivi et d'une analyse précis des doses.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Couvre la définition des mesures, la gestion des résultats, l'utilisation des fonctions de langage macro, l'obtention de statistiques et l'enregistrement des résultats sous forme de fichiers CSV.
Couvre l'utilisation d'un drone DJI Mavic Pro pour l'imagerie quantitative en génie civil, y compris les techniques d'acquisition et de traitement d'images.
Explore la classification des images en utilisant des arbres de décision et des forêts aléatoires pour réduire la variance et améliorer la robustesse du modèle.
Discute de l'analyse de l'intensité et de la localisation dans les images avec des canaux fluorescents pour les changements d'expression des protéines.
