Alkalmazott mélytanulás és számítógépes látás az önvezető autókhoz: Autonóm járművek építése mély neurális hálózatok és viselkedésklónozási technikák segítségével

Olvasói vélemények

A könyv szelíd bevezetésként szolgál a mélytanulás és a számítógépes látás témakörébe, különös tekintettel az önvezető autókra. Jól felépített, gyakorlati megvalósításokkal és rengeteg vizuális segédlettel, így kezdők számára is alkalmas. Hiányzik azonban egy átfogó, a fejezeteket egységesítő végigvezetés.

⬤ Jól strukturált, és kódokkal, grafikonokkal és vizuális elemekkel vonzza az olvasót.
⬤ Alapvető ismereteket és gyakorlati példákat nyújt az önvezető autós projektekhez.
⬤ Alkalmas kezdőknek és azoknak is, akik túlzott technikai részletek nélkül szeretnék megérteni az alapokat.

⬤ Hiányzik az összes fejezetet összekötő, végponttól végpontig tartó projekt.
⬤ Egyes kritikusok szerint a tartalom túl vázlatos és felületes a mélyebb megértéshez.
⬤ Hasznára válhatnának további oktatási hivatkozások a részletesebb tanulmányozáshoz.

(9 olvasói vélemény alapján)

Eredeti címe:

Applied Deep Learning and Computer Vision for Self-Driving Cars: Build autonomous vehicles using deep neural networks and behavior-cloning techniques

Könyv tartalma:

Fedezze fel az önvezető autó technológiát a mélytanulási és mesterséges intelligencia technikák és könyvtárak, például a TensorFlow, Keras és OpenCV használatával

Főbb jellemzők

⬤ Építsen és képezzen nagy teljesítményű neurális hálózati modelleket egy autonóm autó megépítéséhez.

⬤ A számítógépes látás, a mélytanulás és a mesterséges intelligencia technikák alkalmazása autóipari algoritmusok létrehozásához.

⬤ Legyőzze a vezetés különböző aspektusainak automatizálása során felmerülő kihívásokat a modern Python könyvtárak és architektúrák használatával.

Könyvismertető

Számos közelmúltbeli áttörésnek köszönhetően az önvezető autótechnológia ma már a mesterséges intelligencia területén feltörekvő témának számít, és az adattudósok figyelmét az autonóm autók építésére irányította, amely átalakítja az autóipart. Ez a könyv átfogó útmutató a mélytanulási és számítógépes látási technikák alkalmazásához az autonóm autók fejlesztéséhez.

Ez a könyv az önvezető autók (SDC-k) alapjaival kezdve végigvezeti Önt a mély neurális hálózati technikákon, amelyek az autonóm jármű építéséhez szükségesek. Ha már megbarátkozott az alapokkal, elmélyül a fejlett számítógépes látás technikáiban, és megtanulja, hogyan használhatja a mély tanulási módszereket számos számítógépes látási feladat elvégzésére, például sávvonalak megtalálására, a képosztályozás javítására stb. Megismerkedsz egy szemantikus szegmentációs modell alapvető felépítésével és működésével, és megismerkedsz az autók szemantikus szegmentációval történő felismerésével. A könyv olyan fejlett alkalmazásokat is tárgyal, mint a viselkedésklónozás és a járműfelismerés az OpenCV, a transzfer tanulás és a mélytanulási módszerek segítségével, amelyekkel az SDC-ket az emberi vezetés utánzására lehet betanítani.

A könyv végére megtanulja, hogyan kell különféle neurális hálózatokat implementálni, hogy saját autonóm járművet fejlesszen ki a modern Python könyvtárak segítségével.

Mit fog tanulni?

⬤ Mély neurális hálózat implementálása a semmiből a Keras könyvtár segítségével.

⬤ Megérti a mélytanulás fontosságát az önvezető autókban.

⬤ Megismerkedik a képfeldolgozásban alkalmazott jellemző-kivonási technikákkal az OpenCV könyvtár segítségével.

⬤ Tervezzen olyan szoftvercsatornát, amely sávvonalakat észlel videókban.

⬤ Konvolúciós neurális hálózat (CNN) képosztályozó implementálása közlekedési jelzőtáblákhoz.

⬤ Neurális hálózatok képzése és tesztelése viselkedésklónozáshoz autóvezetéssel egy virtuális szimulátorban.

⬤ Felfedezzük a legkorszerűbb szemantikus szegmentációs és objektumdetektálási architektúrákat.

Kinek szól ez a könyv

Ha Ön mélytanulással foglalkozó mérnök, mesterséges intelligencia kutató, vagy bárki, aki mélytanulási és számítógépes látási technikákat szeretne alkalmazni az önvezetés blueprint megoldásainak megalkotásához, akkor ez a könyv Önnek szól. Bárki, aki meg akarja tanulni, hogyan épülnek fel a különböző autóiparral kapcsolatos algoritmusok, szintén hasznosnak fogja találni ezt a könyvet. A Python programozási tapasztalat, valamint a mélytanulás alapszintű ismerete szükséges ahhoz, hogy a legtöbbet hozza ki ebből a könyvből.