Gyakorlati gépi tanulás és képfeldolgozás: Arcfelismerés, tárgyfelismerés és mintafelismerés Python használatával

Olvasói vélemények

A könyv vegyesen kap kritikát és néhány dicsérő pontot. A felhasználók szerint erősen az alapvető Python programozási és képfeldolgozási elvekre összpontosít, és gyakran több oldalon keresztül ismétli az információkat. Számos vélemény kritizálja a képfeldolgozással kapcsolatos gépi tanulási fogalmak mélységének hiányát. A tartalom általános minősége a haladóbb tanulók számára hiányosnak tűnik, ismétlődő és felületes magyarázatokkal. Néhányan azonban értékelik a nyomtatás minőségét, és a kezdők számára némileg hasznosnak találják.

Jó nyomtatási minőség; hasznos lehet a képfeldolgozás alapvető gyakorlati útmutatójaként.

Túlságosan az alapvető Python- és képfeldolgozási fogalmakra összpontosít, túlságosan ismétlődő tartalom, a gépi tanulási alkalmazások mélységének hiánya, a kulcsfogalmak elégtelen magyarázata, számos hiba a tartalomban és a példákban, elavult GitHub-források, és általában úgy vélik, hogy nem éri meg a befektetést a haladó tanulók számára.

(9 olvasói vélemény alapján)

Eredeti címe:

Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python

Könyv tartalma:

1. fejezet: Telepítés és környezetbeállítás.

Fejezet: A rendszer felkészítése a képfeldolgozásra és -elemzésre.

Oldalak száma 20.

Altémák (Top 2)

1. A Jupyter Notebook telepítése.

2. Az OpenCV és egyéb képelemzési függőségek telepítése.

3. Neurális hálózat függőségek telepítése.

2. fejezet: Bevezetés a Pythonba és a képfeldolgozásba.

Cél: Bevezetés a Python különböző fogalmaiba és a rajta alapuló képfeldolgozó alkalmazásba.

Oldalak száma: 50.

Al-témák (Top 2)

1. A Python alapjai.

2. A képelemzéshez kapcsolódó terminológiák.

3. fejezet: Haladó képfeldolgozás az OpenCV használatával.

Cél: Algoritmusok és alkalmazásuk megértése Python használatával.

Oldalak száma: 100.

Al-témák (Top 2):

1. Műveletek képeken.

2. Képi transzformációk.

fejezet: Gépi tanulási megközelítések a képfeldolgozásban.

Fejezet Cél: Gépi és mélytanulási modellek alapvető megvalósítása, amely a képfeldolgozásról gondoskodik, a valós idejű forgatókönyvben történő alkalmazások előtt.

Oldalak száma: 100.

Al-témák (Top 2):

1. Képosztályozás és szegmentálás.

2. Felügyelt és felügyelet nélküli tanulási megközelítések alkalmazása képeken Python segítségével.

5. fejezet: Valós idejű felhasználási esetek.

A fejezet célja: 5 projekt kidolgozása Python segítségével, a könyvben tanult fogalmak alkalmazásával.

Oldalak száma: 100.

Al-témák (Top 5):

1. Arcfelismerés.

2. Arcfelismerés.

3. Kézmozdulatok felismerése.

4. Önvezető autók koncepciója: Fejlett sávkeresés.

5. Önvezető autók koncepciója: Közlekedési táblák felismerése.

6. fejezet: A. függelék.

Fejezet Cél: Fejlett koncepciók bevezetése.

Oldalak száma: 50.

Alfejezetek (Top 2):

1. AdaBoost és XGBoost.

2. Impulzussal kapcsolt neurális hálózatok.