Hodnotenie:
Kniha slúži ako jemný úvod do hlbokého učenia a počítačového videnia, konkrétne so zameraním na samojazdiace autá. Je dobre štruktúrovaná s praktickými implementáciami a množstvom vizuálnych pomôcok, vďaka čomu je vhodná pre začiatočníkov. Chýba jej však komplexný ucelený projekt, ktorý by zjednotil jednotlivé kapitoly.
Výhody:⬤ Dobre štruktúrovaná a zaujme čitateľov kódom, grafmi a vizuálnymi ukážkami.
⬤ Poskytuje základné znalosti a praktické príklady pre projekty samojazdiacich áut.
⬤ Vhodný pre začiatočníkov aj pre tých, ktorí chcú pochopiť základy bez zbytočných technických detailov.
⬤ Chýba ucelený projekt, ktorý by spájal všetky kapitoly.
⬤ Niektorí recenzenti považovali obsah za príliš stručný a povrchný na hlbšie pochopenie.
⬤ Mohli by sa využiť ďalšie vzdelávacie odkazy na podrobnejšie štúdium.
(na základe 9 čitateľských recenzií)
Applied Deep Learning and Computer Vision for Self-Driving Cars: Build autonomous vehicles using deep neural networks and behavior-cloning techniques
Preskúmajte technológiu samojazdiaceho auta pomocou techník hlbokého učenia a umelej inteligencie a knižníc, ako sú TensorFlow, Keras a OpenCV
Kľúčové funkcie
⬤ Vytvárajte a trénujte výkonné modely neurónových sietí na vytvorenie autonómneho vozidla.
⬤ Zavádzajte techniky počítačového videnia, hlbokého učenia a umelej inteligencie na vytváranie automobilových algoritmov.
⬤ Prekonajte výzvy, ktorým čelíte pri automatizácii rôznych aspektov jazdy pomocou moderných knižníc a architektúr jazyka Python.
Popis knihy
Vďaka viacerým nedávnym prelomovým objavom je technológia samojazdiacich automobilov v súčasnosti novou témou v oblasti umelej inteligencie a presunula pozornosť dátových vedcov na vytváranie autonómnych automobilov, ktoré zmenia automobilový priemysel. Táto kniha je komplexným sprievodcom na používanie techník hlbokého učenia a počítačového videnia na vývoj autonómnych automobilov.
Počnúc základmi samojazdiacich vozidiel (SDC) vás táto kniha prevedie technikami hlbokých neurónových sietí, ktoré sú potrebné na začatie budovania autonómneho vozidla. Keď zvládnete základy, ponoríte sa do pokročilých techník počítačového videnia a naučíte sa používať metódy hlbokého učenia na vykonávanie rôznych úloh počítačového videnia, ako je napríklad vyhľadávanie čiar jazdných pruhov, zlepšenie klasifikácie obrazu atď. Preskúmate základnú štruktúru a fungovanie sémantického segmentačného modelu a zoznámite sa s detekciou automobilov pomocou sémantickej segmentácie. Kniha sa zaoberá aj pokročilými aplikáciami, ako je klonovanie správania a detekcia vozidiel pomocou OpenCV, transferové učenie a metodiky hlbokého učenia na trénovanie SDC na napodobňovanie ľudskej jazdy.
Na konci tejto knihy sa naučíte implementovať rôzne neurónové siete na vývoj vlastného autonómneho vozidla pomocou moderných knižníc jazyka Python.
Čo sa naučíte
⬤ Implementovať hlbokú neurónovú sieť od základov pomocou knižnice Keras.
⬤ Pochopiť význam hlbokého učenia v samojazdiacich vozidlách.
⬤ Zoznámiť sa s technikami extrakcie príznakov pri spracovaní obrazu pomocou knižnice OpenCV.
⬤ Navrhnite softvérovú potrubnú linku, ktorá rozpozná čiary jazdných pruhov vo videách.
⬤ Vykonajte klasifikátor obrazu konvolučnej neurónovej siete (CNN) pre dopravné signalizačné značky.
⬤ Trénovať a testovať neurónové siete na klonovanie správania pomocou jazdy autom vo virtuálnom simulátore.
⬤ Objaviť rôzne najmodernejšie architektúry sémantickej segmentácie a detekcie objektov.
Pre koho je táto kniha určená
Ak ste inžinier hlbokého učenia, výskumník v oblasti umelej inteligencie alebo ktokoľvek, kto chce implementovať techniky hlbokého učenia a počítačového videnia na vytváranie riešení pre samojazdiace moduly, táto kniha je určená práve vám. Táto kniha bude užitočná aj pre každého, kto sa chce dozvedieť, ako sa vytvárajú rôzne algoritmy súvisiace s automobilovým priemyslom. Na to, aby ste z tejto knihy vyťažili čo najviac, sú potrebné skúsenosti s programovaním v jazyku Python spolu so základnými znalosťami hlbokého učenia.