Tvorba aplikácií počítačového videnia pomocou umelých neurónových sietí: S príkladmi krok za krokom v Opencv a Tensorflow s Pythonom

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 9 hlasoch.

Pôvodný názov:

Building Computer Vision Applications Using Artificial Neural Networks: With Step-By-Step Examples in Opencv and Tensorflow with Python

Obsah knihy:

Oddiel 11. Kapitola 1: Predpoklady a inštalácia softvéru 1. 1. Python a PIP 1. 1. 1. Inštalácia Pythonu a PIP na Ubuntu 1. 1. 2. Inštalácia Pythonu a PIP na Mac OS 1. 1. 3. Inštalácia Pythonu a PIP na CentOS 7 1. 1. 4. Inštalácia Pythonu a PIP na Windows 1. 2. Virtualenv 1. 2. 1. Nastavenie a aktivácia virtualenv 1. 3. Tensorflow 1. 3. 1. Inštalácia Tensorflow 1. 4. PyCharm IDE 1. 4. 1. Inštalácia PyCharm 1. 4. 2. Konfigurácia PyCharm na používanie virtualenv 1. 5. OpenCV 1. 5. 1. Inštalácia OpenCV 1. 5. 2. Inštalácia OpenCV4 s väzbami na Python 1. 6. Ďalšie knižnice 1. 6. 1. SciPy 1. 6. 2. Matplotlib.

Kapitola 2: Základné pojmy spracovania obrazu a videa 1. 7. Spracovanie obrazu 1. 7. 1. Základy spracovania obrazu 1. 7. 2. Pixel 1. 7. 3. Farba pixelu 1. 7. 3. 1. Odtiene sivej 1. 7. 3. 7. 3. 2. Farba 1. 7. 4. Súradnicový systém 1. 7. 5. Python a OpenCV kód na manipuláciu s obrázkami 1. 7. 6. Program: načítanie, skúmanie a zobrazenie obrázka 1. 7. 7. Program: OpenCV kód na prístup k pixelom a manipuláciu s nimi 1. 8. Kreslenie 1. 8. 1. Kreslenie čiary na obrázku 1. 8. 2. Kreslenie obdĺžnika na obrázku 1. 8. 3. Kreslenie kruhu na obrázok 1. 9. Zhrnutie kapitoly 1. 10. 2. Kapitola 3: Techniky spracovania obrazu 2. 1. Transformácia 2. 1. 1. Zmena veľkosti 2. 1. 2. Preklad 2. 1. 3. Rotácia 2. 1. 4. Otáčanie 2. 1. 5. Orezávanie 2. 2. Aritmetické a bitové operácie s obrázkami 2. 2. 1. Sčítanie 2. 2. 2. Odčítanie 2. 2. 3. Bitové operácie 2. 2. 3. 1. ALEBO 2. 2. 3. 2. A 2. 2. 3. 3. NOT 2. 2. 3. 4. XOR 2. 3. Maskovanie 2. 4. Rozdeľovanie a spájanie kanálov 2. 5. Vyhladzovanie a rozmazávanie 2. 6. Prahovanie 2. 7. Detekcia gradientu a hrán 2. 8. Kontúry 2. 9. Zhrnutie kapitoly.

Oddiel 23. Kapitola 4: Budovanie systému umelej inteligencie pre počítačové videnie 3. 1. Potrubie na spracovanie obrazu 3. 2. Extrakcia príznakov 3. 2. 1. Farebný histogram 3. 2. 2. GLCM 3. 2. 3. HOG 3. 2. 4. LBP 3. 3. Výber príznakov 3. 3. 3. 1. Filter 3. 3. 2. Wrapper 3. 3. 3. Vložený 3. 3. 4. Regularizácia 3. 4. Zhrnutie kapitoly.

4. Kapitola 5: Umelé neurónové siete pre počítačové videnie 4. 1. Úvod do ANN 4. 1. 1. Topológia ANN 4. 1. 2. Hyperparametre 4. 1. 3. Trénovanie modelu ANN pomocou TensorFlow 4. 1. 4. Vyhodnotenie modelu 4. 1. 5. Nasadenie modelu 4. 1. 6. Použitie natrénovaného modelu 4. 2. Úvod do konvolučnej neurónovej siete (CNN)4. 2. 1. Základné pojmy CNN4. 2. 2. Vytvorenie trénovacej množiny pre CNN4. 2. 3. Trénovanie modelu CNN pomocou TensorFlow 4. 2. 4. Kontrola modelu CNN a vyhodnotenie vhodnosti modelu4. 2. 5. Použitie a nasadenie natrénovaného modelu4. 3. Úvod do rekurentnej neurónovej siete (RNN) a dlhodobej krátkodobej pamäte (LSTM)4. 3. 1. Základné pojmy RNN a LSTM4. 3. 2. Vytvorenie trénovacej množiny pre LSTM4. 3. 3. Trénovanie modelu LSTM pomocou TensorFlow4. 3. 4. Kontrola LSTM modelu a posúdenie vhodnosti4. 3. 5. Nasadenie LSTM modelov v praxi.

Oddiel 35. Kapitola 6: Praktický príklad 1- Detekcia objektov na obrázkoch 6. Kapitola 7: Praktický príklad 2- Sledovanie objektov vo videách 7. Kapitola 8: Praktický príklad 3- Detekcia tváre 8. Kapitola 9: Priemyselná aplikácia - Detekcia chýb v reálnom čase v priemyselnej výrobe.