TensorFlow 2.0 Computer Vision Cookbook: Implementácia riešení strojového učenia na prekonanie rôznych výziev v oblasti počítačového videnia

Recenzie čitateľov

Kniha je vysoko cenená pre svoje komplexné pokrytie aplikácií hlbokého učenia v počítačovom videní so silným dôrazom na praktické príklady a praktické kódovanie. Vyžaduje si však predchádzajúce znalosti teórie neurónových sietí, aby ste plne pochopili jej vysvetlenia, a niektorí používatelia upozornili na nedostatok farieb v tlači, čo sťažuje čítanie a znižuje vizuálnu informatívnosť.

Komplexné pokrytie hlbokého učenia v počítačovom videní, jasné vysvetlenie pojmov, praktické príklady a praktické skúsenosti s kódovaním, zahrnutie rôznych tém od základných až po pokročilé úrovne, odkazy na relevantné materiály, vhodné pre začiatočníkov aj skúsených odborníkov v oblasti počítačového videnia.

Vyžaduje predchádzajúce znalosti neurónových sietí na pochopenie niektorých vysvetlení, nedostatok farieb v tlači môže brániť čitateľnosti a prehľadnosti obrazu.

(na základe 5 čitateľských recenzií)

Pôvodný názov:

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

Obsah knihy:

Oboznámte sa s najmodernejšími technikami na prispôsobenie tréningových procesov a zvýšenie výkonu modelov počítačového videnia pomocou techník strojového učenia a hlbokého učenia

Kľúčové vlastnosti:

⬤ Vyvíjajte, trénujte a používajte algoritmy hlbokého učenia pre úlohy počítačového videnia pomocou TensorFlow 2. x.

⬤ Objavte praktické recepty na prekonanie rôznych výziev, ktorým čelíte pri vytváraní modelov počítačového videnia.

⬤ Umožniť strojom získať porozumenie na úrovni človeka pri rozpoznávaní a analýze digitálnych obrázkov a videí.

Popis knihy:

Počítačové videnie je vedný odbor, ktorý umožňuje strojom rozpoznávať a spracovávať digitálne obrázky a videá. Táto kniha sa zameriava na samostatné recepty, ktoré vám pomôžu vykonávať rôzne úlohy počítačového videnia pomocou TensorFlow.

Kniha začína tým, že vás oboznámi so základmi hlbokého učenia pre počítačové videnie a zahŕňa kľúčové funkcie TensorFlow 2.x, ako sú Keras a tf. data. Dataset API. Potom sa dozviete o úskaliach bežných úloh počítačového videnia, ako je klasifikácia obrazu, transferové učenie, vylepšovanie a štylizácia obrazu a detekcia objektov. Kniha sa zaoberá aj autoenkodérmi v doménach, ako sú inverzné indexy vyhľadávania obrazu a denoizácia obrazu, pričom ponúka pohľad na rôzne architektúry používané v receptoch, ako sú konvolučné neurónové siete (CNN), regionálne CNN (R-CNN), VGGNet a You Only Look Once (YOLO).

Ďalej objavíte tipy a triky na riešenie všetkých problémov, s ktorými sa stretávate pri vytváraní rôznych aplikácií počítačového videnia. Nakoniec sa ponoríte do pokročilejších tém, ako sú generatívne adverzné siete (GAN), spracovanie videa a AutoML, a na záver nájdete časť zameranú na techniky, ktoré vám pomôžu zvýšiť výkon vašich sietí.

Na konci tejto knihy o TensorFlow budete schopní s istotou riešiť širokú škálu problémov počítačového videnia pomocou TensorFlow 2.x.

Čo sa naučíte:

⬤ Pochopíte, ako detekovať objekty pomocou najmodernejších modelov, ako je napríklad YOLOv3.

⬤ Použitie jazyka AutoML na predpovedanie pohlavia a veku z obrázkov.

⬤ Segmentujte obrázky pomocou rôznych prístupov, ako sú FCN a generatívne modely.

⬤ Učte sa, ako zlepšiť výkonnosť siete pomocou presnosti rank-N, vyhladzovania štítkov a rozšírenia času testovania.

⬤ Umožnite strojom rozpoznávať emócie ľudí vo videách a prúdoch v reálnom čase.

⬤ Získajte prístup k pokročilým modelom TensorFlow Hub na vykonávanie klasifikácie obrazu a detekcie objektov a opätovne ich používajte.

⬤ Generujte popisky k obrázkom pomocou CNN a RNN.

Pre koho je táto kniha určená:

Táto kniha je určená pre vývojárov a inžinierov počítačového videnia, ako aj pre odborníkov v oblasti hlbokého učenia, ktorí hľadajú riešenia rôznych problémov, ktoré sa bežne vyskytujú v počítačovom videní. Zistíte, ako využívať moderné techniky strojového učenia (ML) a architektúry hlbokého učenia na vykonávanie množstva úloh počítačového videnia. Vyžadujú sa základné znalosti programovania v jazyku Python a počítačového videnia.