# جداسازی بدن انسان

تکلیف آزمایشگاهی از [برنامه درسی AI برای مبتدیان](https://github.com/microsoft/ai-for-beginners).

## وظیفه

در تولید ویدیو، به عنوان مثال در پیش‌بینی‌های آب‌وهوا، اغلب نیاز داریم تصویر یک انسان را از دوربین جدا کرده و آن را روی فیلم دیگری قرار دهیم. این کار معمولاً با استفاده از تکنیک‌های **کلید کروما** انجام می‌شود، زمانی که انسان در مقابل یک پس‌زمینه با رنگ یکنواخت فیلم‌برداری می‌شود و سپس آن پس‌زمینه حذف می‌شود. در این آزمایشگاه، ما یک مدل شبکه عصبی را آموزش خواهیم داد تا تصویر سیلوئت انسان را جدا کند.

## مجموعه داده

ما از [مجموعه داده جداسازی بدن کامل MADS](https://www.kaggle.com/datasets/tapakah68/segmentation-full-body-mads-dataset) از سایت Kaggle استفاده خواهیم کرد. مجموعه داده را به صورت دستی از Kaggle دانلود کنید.

## دفترچه شروع

آزمایشگاه را با باز کردن [BodySegmentation.ipynb](../../../../../../lessons/4-ComputerVision/12-Segmentation/lab/BodySegmentation.ipynb) شروع کنید.

## نکته کلیدی

جداسازی بدن فقط یکی از وظایف رایجی است که می‌توانیم با تصاویر افراد انجام دهیم. وظایف مهم دیگر شامل **تشخیص اسکلت** و **تشخیص حالت** می‌شوند. به کتابخانه [OpenPose](https://github.com/CMU-Perceptual-Computing-Lab/openpose) نگاهی بیندازید تا ببینید چگونه می‌توان این وظایف را پیاده‌سازی کرد.

**سلب مسئولیت**:  
این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.