Computer Vision Using Deep Learning: Neurális hálózati architektúrák Python és Keras segítségével

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.

Eredeti címe:

Computer Vision Using Deep Learning: Neural Network Architectures with Python and Keras

Könyv tartalma:

A szervezetek hatalmas erőforrásokat fordítanak olyan szoftverek fejlesztésére, amelyek képesek úgy teljesíteni, mint az ember. A képosztályozás, a tárgyak felismerése és követése, a pózbecslés, az arcfelismerés és az érzelembecslés mind fontos szerepet játszik a számítógépes látás problémáinak megoldásában.

Ez a könyv ezeket és más mélytanulási architektúrákat és technikákat állít a középpontba, hogy segítsen megoldásokat létrehozni a Keras és a TensorFlow könyvtár használatával. Több neurális hálózati architektúrát is áttekint, köztük a LeNet, AlexNet, VGG, Inception, R-CNN, Fast R-CNN, Faster R-CNN, Faster R-CNN, Mask R-CNN, YOLO és SqueezeNet architektúrákat, és a legjobb gyakorlatokon, tippeken, trükkökön, rövidítéseken és buktatókon keresztül megnézi, hogyan működnek a Python-kód mellett. Minden kódrészletet lebontunk és alaposan megvitatunk, hogy Ön is megvalósíthassa ugyanazokat az elveket a saját környezetében.

A Computer Vision Using Deep Learning egy átfogó, mégis tömör útmutatót kínál, amely összefűzi a DL-t és a CV-t a műveletek automatizálása, az emberi beavatkozás csökkentése, a képességek növelése és a költségek csökkentése érdekében.

Amit megtanulhat

⬤ Vizsgálja meg a mélytanulás kódját és fogalmait, hogy az irányadó elveket saját projektjeiben alkalmazza.

⬤ A különböző architektúrák osztályozása és értékelése, hogy jobban megértse a különböző felhasználási esetekben rendelkezésre álló lehetőségeket.

⬤ Lépjen be az alapvető mélytanulási funkciók kulisszái mögé, hogy megtudja, hogyan működnek.

Kinek szól ez a könyv

A szoftverfejlesztés és az adattudomány területén dolgozó szakemberek. A Python nyelv ismerete erősen ajánlott. A számítógépes látáshoz és a mélytanuláshoz kapcsolódó területeken felsőfokú tanulmányokon dolgozó hallgatók és innovátorok.