TensorFlow 2.0 Computer Vision szakácskönyv: Gépi tanulási megoldások megvalósítása különböző számítógépes látásbeli kihívások leküzdésére

Olvasói vélemények

A könyv nagyra értékelt a számítógépes látás mélytanulási alkalmazásainak átfogó lefedettségéért, nagy hangsúlyt fektetve a gyakorlati példákra és a gyakorlati kódolásra. A magyarázatok teljes megértéséhez azonban előzetes neurális hálózati elméleti ismeretekre van szükség, és néhány felhasználó megjegyezte, hogy a nyomtatás nem tartalmaz színeket, ami megnehezíti az olvasást és vizuálisan kevésbé informatív.

A számítógépes látás mélytanulásának átfogó lefedettsége, a fogalmak világos magyarázata, gyakorlati példák és gyakorlati kódolási tapasztalatok, a különböző témák beemelése az alapszinttől a haladó szintekig, hivatkozások a vonatkozó anyagokra, a számítógépes látás területén kezdő és tapasztalt szakemberek számára egyaránt alkalmas.

Előzetes ismereteket igényel a neurális hálózatokról egyes magyarázatok megértéséhez, a nyomtatásban a színek hiánya akadályozhatja az olvashatóságot és a kép tisztaságát.

(5 olvasói vélemény alapján)

Eredeti címe:

TensorFlow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges

Könyv tartalma:

Ismerje meg a legmodernebb technikákat a képzési folyamatok testre szabásához és a számítógépes látásmodellek teljesítményének növeléséhez a gépi tanulás és a mélytanulási technikák segítségével

Főbb jellemzők:

⬤ Tervezzen, képezzen és használjon mélytanulási algoritmusokat számítógépes látási feladatokhoz a TensorFlow 2. x segítségével.

⬤ Találkozzon gyakorlati receptekkel a számítógépes látásmodellek készítése során felmerülő különböző kihívások leküzdésére.

⬤ Tegye lehetővé, hogy a gépek emberi szintű megértést szerezzenek a digitális képek és videók felismeréséhez és elemzéséhez.

Könyv leírása:

A számítógépes látás olyan tudományterület, amely lehetővé teszi a gépek számára a digitális képek és videók azonosítását és feldolgozását. Ez a könyv olyan független receptekre összpontosít, amelyek segítségével különböző számítógépes látási feladatokat végezhet a TensorFlow segítségével.

A könyv a számítógépes látás mélytanulásának alapjaival kezdi, valamint a TensorFlow 2. x legfontosabb funkcióival foglalkozik, mint például a Keras és a tf. data. Dataset API-k. Ezután megismerkedhet a gyakori számítógépes látásfeladatok, például a képosztályozás, a transzfer tanulás, a képjavítás és -formázás, valamint a tárgyfelismerés rejtelmeivel. A könyv kitér az autoencodereire is olyan területeken, mint az inverz képkeresési indexek és a képzajmentesítés, miközben betekintést nyújt a receptekben használt különböző architektúrákba, mint például a konvolúciós neurális hálózatok (CNN), a régióalapú CNN-ek (R-CNN), a VGGNet és a You Only Look Once (YOLO).

A továbbiakban tippeket és trükköket fedezhet fel, amelyekkel megoldhatja a különböző számítógépes látó alkalmazások készítése során felmerülő problémákat. Végül olyan haladóbb témákba merülhet el, mint a generatív adverzális hálózatok (GAN-ok), a videofeldolgozás és az AutoML, majd egy olyan rész zárja, amely a hálózatok teljesítményének növelését segítő technikákra összpontosít.

A TensorFlow könyv végére a számítógépes látás problémáinak széles skáláját magabiztosan tudja majd kezelni a TensorFlow 2.x használatával.

Amit tanulni fog:

⬤ Megtanulja, hogyan detektáljon objektumokat a legkorszerűbb modellek, például a YOLOv3 segítségével.

⬤ Az AutoML segítségével nemet és életkort jelezhetünk előre képekből.

⬤ Képek szegmentálása különböző megközelítések, például FCN-ek és generatív modellek segítségével.

⬤ Tanulja meg, hogyan javíthatja a hálózat teljesítményét a rank-N pontosság, a címkék simítása és a tesztidő növelése segítségével.

⬤ Tegye lehetővé, hogy a gépek felismerjék az emberek érzelmeit videókban és valós idejű adatfolyamokban.

⬤ Jusson hozzá és használja újra a fejlett TensorFlow Hub modelleket képosztályozás és objektumfelismerés elvégzéséhez.

⬤ Generáljon feliratokat képekhez CNN-ek és RNN-ek segítségével.

Kinek szól ez a könyv:

Ez a könyv a számítógépes látás fejlesztőinek és mérnökeinek, valamint a mélytanulással foglalkozó szakembereknek szól, akik a számítógépes látás területén gyakran felmerülő különböző problémákra keresnek célzott megoldásokat. Megtudhatja, hogyan alkalmazhat modern gépi tanulási (ML) technikákat és mélytanulási architektúrákat számítógéppel végzett látási feladatok sokaságának elvégzéséhez. A Python programozás és a számítógépes látás alapszintű ismerete szükséges.