Praktické strojové učenie a spracovanie obrazu:

Recenzie čitateľov

Kniha sa stretáva s kritikou a chválou. Používatelia ju považujú za silne zameranú na základné princípy programovania v jazyku Python a spracovania obrazu, pričom sa informácie často opakujú na viacerých stranách. Mnohé recenzie kritizujú nedostatočnú hĺbku konceptov strojového učenia súvisiacich so spracovaním obrazu. Celková kvalita obsahu sa zdá byť nedostatočná pre pokročilejších študentov, s opakujúcimi sa a povrchnými vysvetleniami. Niektorí však oceňujú kvalitu tlače a považujú ju za trochu užitočnú pre začiatočníkov.

Dobrá kvalita tlače; môže byť užitočná ako základná praktická príručka na spracovanie obrazu.

Prílišné zameranie na základné koncepty Pythonu a spracovania obrazu, príliš opakujúci sa obsah, nedostatočná hĺbka v aplikáciách strojového učenia, nedostatočné vysvetlenie kľúčových konceptov, početné chyby v obsahu a príkladoch, neaktuálne zdroje GitHub a vo všeobecnosti sa považuje za publikáciu, ktorá nestojí za investíciu pre pokročilých študentov.

(na základe 9 čitateľských recenzií)

Pôvodný názov:

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

Obsah knihy:

Kapitola 1: Inštalácia a nastavenie prostredia.

Kapitola Cieľ: Príprava systému na spracovanie a analýzu obrazu.

Počet strán 20.

Podtémy (2 hlavné)

1. Inštalácia Jupyter Notebook.

2. Inštalácia OpenCV a ďalších závislostí pre analýzu obrazu.

3. Inštalácia závislostí neurónových sietí.

Kapitola 2: Úvod do jazyka Python a spracovania obrazu.

Cieľ kapitoly: Úvod do rôznych konceptov jazyka Python a aplikácií na spracovanie obrazu v ňom.

Počet strán: 1: 50.

Dielčie témy (Top 2)

1. Základy jazyka Python.

2. Terminológia súvisiaca s analýzou obrazu.

Kapitola 3: Pokročilé spracovanie obrazu pomocou OpenCV.

Kapitola Cieľ: Pochopenie algoritmov a ich aplikácií pomocou jazyka Python.

Počet strán: 1: 100.

Podtémy (Top 2):

1. Operácie na obrázkoch.

2. Transformácie obrazu.

Kapitola 4: Prístupy strojového učenia pri spracovaní obrazu.

Kapitola Cieľ: Základná implementácia modelov strojového a hlbokého učenia, ktorá sa stará o spracovanie obrazu, pred aplikáciami v scenári v reálnom čase.

Počet strán: 1: 100.

Podtémy (Top 2):

1. Klasifikácia a segmentácia obrazu.

2. Aplikácia prístupov supervízovaného a neovereného učenia na obrázky pomocou jazyka Python.

Kapitola 5: Prípady použitia v reálnom čase.

Cieľ kapitoly: Práca na 5 projektoch s použitím jazyka Python, pričom sa uplatnia všetky koncepty, ktoré ste sa naučili v tejto knihe.

Počet strán: 100.

Dielčie témy (5 najlepších):

1. Detekcia tváre.

2. Rozpoznávanie tváre.

3. Rozpoznávanie pohybov rúk.

4. Konceptualizácia samojazdiacich vozidiel: Pokročilé vyhľadávanie jazdných pruhov.

5. Konceptualizácia samojazdiacich vozidiel: Detekcia dopravných značiek.

Kapitola 6: Príloha A.

Kapitola Cieľ: Pokročilé koncepty Úvod.

Počet strán: 1: 50.

Podtémy (Top 2):

1. AdaBoost a XGBoost.

2. Impulzne viazané neurónové siete.