Számítógépes látás projektek építése az OpenCV 4 és a C++ segítségével

Olvasói vélemények

A könyv az OpenCV-vel újonnan ismerkedő C++ programozóknak szól, világos útmutatást és gyakorlati példakódot kínál. Sok kritikus azonban számos hibára, elavult kódra és rossz nyomtatási minőségre hívta fel a figyelmet, ami egyes olvasók számára frusztrálóvá teszi a könyvet.

⬤ Világos útmutatás
⬤ jó kezdőknek
⬤ érdekes és gyakorlatias példakód
⬤ az OpenCV alap- és haladó témáit egyaránt tárgyalja
⬤ lehetőséget nyújt a megértésre és a gyakorlásra.

⬤ Tele hibákkal és hiányzó összetevőkkel
⬤ elavult kódot tartalmaz
⬤ rossz nyomtatási és papírminőség
⬤ nyelvtani problémák
⬤ nem lektorált
⬤ egyes fogalmakat megfelelő magyarázat nélkül vezetnek be.

(8 olvasói vélemény alapján)

Eredeti címe:

Building Computer Vision Projects with OpenCV 4 and C++

Könyv tartalma:

Merüljön el a gyakorlati számítógépes látás és képfeldolgozási projektekben, és ismerkedjen meg a fejlett objektumfelismerési technikákkal és gépi tanulási algoritmusokkal Főbb jellemzők Fedezze fel az OpenCV projektek tervezésének és karbantartásának legjobb gyakorlatait Fedezze fel a képosztályozás fontos mélytanulási eszközeit Értse meg az alapvető képmátrixformátumokat és szűrőket Könyv leírása

Az OpenCV az egyik legjobb nyílt forráskódú könyvtár, amely segíthet a képfeldolgozással, mozgásérzékeléssel és képszegmentálással kapcsolatos teljes projektek felépítésére összpontosítani.

Ez a tanulási útvonal az OpenCV fogalmainak és algoritmusainak megértéséhez nyújt útmutatót valós példákon és tevékenységeken keresztül. Különböző projekteken keresztül azt is megtudhatja, hogyan használhat összetett számítógépes látás- és gépi tanulási algoritmusokat, valamint arcfelismerést, hogy a lehető legtöbb információt nyerje ki a képekből és videókból. A későbbi fejezetekben megtanulja, hogyan javíthatja videóit és képeit optikai áramláselemzéssel és háttérkivonással. A Tanulási útvonal szakaszai segítenek eligazodni a szövegszegmentálás és -felismerés kezelésében, emellett végigvezetnek az új és továbbfejlesztett mélytanulási modulok alapjain. A Tanulási útvonal végére elsajátíthatja az általánosan használt számítógépes látási technikákat, amelyek segítségével OpenCV-projekteket építhet a semmiből. Ez a tanulási útvonal a következő Packt-könyvek tartalmát tartalmazza: Mastering OpenCV 4 - Third Edition by Roy Shilkrot and David Millan Escriva Learn OpenCV 4 By Building Projects - Second Edition by David Millan Escriva, Vinicius G.

Mendonca, and Prateek Joshi Mit fog tanulni Naprakész marad az összetett számítógépes látási feladatok algoritmikus tervezési megközelítéseivel Az OpenCV legfrissebb API-jával dolgozik különböző projekteken keresztül Megérti a 3D jelenet rekonstrukciót és a Structure from Motion (SfM) technológiát Tanulmányozza a kamera kalibrálását és a kiterjesztett valóság (AR) átfedését az ArUco modul segítségével CMake szkriptek létrehozása a C++ alkalmazás lefordításához Fedezze fel a szegmentálási és jellemző kinyerési technikákat A statikus jelenetekből a háttér eltávolítása a mozgó objektumok azonosításához a megfigyeléshez A Tesseract segítségével új OpenCV funkciókkal dolgozik a szöveg észlelésére és felismerésére Kinek szól a könyv?

Ha Ön szoftverfejlesztő, aki alapszintű ismeretekkel rendelkezik a számítógépes látásról és a képfeldolgozásról, és szeretne érdekes számítógépes látó alkalmazásokat fejleszteni az OpenCV-vel, akkor ez a tanösvény Önnek szól. A C++ nyelv előzetes ismerete és a matematikai fogalmak ismerete segíteni fog abban, hogy jobban megértse az ebben a tananyagban szereplő fogalmakat. Tartalomjegyzék Az OpenCV-vel való kezdés Bevezetés az OpenCV alapjaiba A grafikus felhasználói felületek tanulása Elmélyülés a hisztogram és a szűrők témakörében Automatizált optikai vizsgálat, objektum szegmentálás és felismerés Objektumosztályozás tanulása Arcrészletek felismerése és maszkok átfedése Videófelügyelet, háttérmodellezés, és morfológiai műveletek Objektumkövetés tanulása Szövegfelismerő szegmentációs algoritmusok fejlesztése Szövegfelismerés a Tesseract-tal Mély tanulás az OpenCV-vel Karikatúrázó és bőrszínelemzés a RaspberryPi-n Struktúra felfedezése a mozgásból az SfM modullal Arc Landmark és póz az SfM modullal az Arc modul Rendszámtábla felismerés mély konvolúciós hálózatokkal Arcfelismerés és arcfelismerés a DNN modullal Android kamera kalibrálás és AR az ArUco modul segítségével iOS panorámák a Stitching modullal A legjobb OpenCV algoritmus megtalálása a feladathoz Az OpenCV gyakori buktatóinak elkerülése.