دانلود کتاب Building Computer Vision Applications Using Artificial Neural Networks: With Step-by-Step Examples in OpenCV and TensorFlow with Python (به فارسی: ساخت برنامه‌های بینایی کامپیوتری با استفاده از شبکه‌های عصبی مصنوعی: با مثال‌های گام به گام در OpenCV و TensorFlow با پایتون) نوشته شده توسط «Shamshad Ansari»
اطلاعات کتاب ساخت برنامه‌های بینایی کامپیوتری با استفاده از شبکه‌های عصبی مصنوعی: با مثال‌های گام به گام در OpenCV و TensorFlow با پایتون
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Apress
نویسنده: Shamshad Ansari
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 473 / 467
حجم فایل: 15.74 مگابایت
کد کتاب: 148425886X , 9781484258866
نوبت چاپ: 1
توضیحات کتاب ساخت برنامه‌های بینایی کامپیوتری با استفاده از شبکه‌های عصبی مصنوعی: با مثال‌های گام به گام در OpenCV و TensorFlow با پایتون
مفاهیم بینایی کامپیوتر و یادگیری ماشین را در توسعه برنامه های کاربردی تجاری و صنعتی با استفاده از یک رویکرد عملی و گام به گام به کار ببرید.
این کتاب شامل چهار بخش اصلی است که با تنظیم محیط برنامه نویسی شما شروع می شود و کامپیوتر شما را با تمام پیش نیازها برای اجرای نمونه های کد پیکربندی می کند. بخش 1 اصول اولیه پردازش تصویر و ویدئو را با مثال‌های کدی در مورد نحوه دستکاری و استخراج اطلاعات مفید از تصاویر پوشش می‌دهد. شما عمدتاً از OpenCV با پایتون برای کار با مثال های این بخش استفاده خواهید کرد.
بخش 2 مفاهیم یادگیری ماشین و شبکه عصبی را که در بینایی کامپیوتر اعمال می شود، توضیح می دهد. شما الگوریتم های مختلف شبکه عصبی مانند شبکه عصبی کانولوشن (CNN)، شبکه عصبی کانولوشن مبتنی بر منطقه (R-CNN) و YOLO را خواهید آموخت. در این بخش، نحوه آموزش، تنظیم و مدیریت شبکه های عصبی برای بینایی کامپیوتر را نیز یاد خواهید گرفت. بخش 3 نمونه های گام به گام توسعه کاربردهای تجاری و صنعتی، مانند تشخیص چهره در نظارت تصویری و تشخیص عیب سطحی در تولید را ارائه می دهد.
بخش پایانی در مورد آموزش شبکه های عصبی است که شامل تعداد زیادی تصویر در زیرساخت ابری مانند Amazon AWS، Google Cloud Platform و Microsoft Azure است. این شما را در فرآیند آموزش شبکه های عصبی توزیع شده برای بینایی کامپیوتر در زیرساخت ابری مبتنی بر GPU راهنمایی می کند. زمانی که خواندن ساخت برنامه‌های بینایی رایانه‌ای با استفاده از شبکه‌های عصبی مصنوعی را به پایان می‌رسانید و روی نمونه‌های کد کار می‌کنید، برخی موارد استفاده در دنیای واقعی از بینایی رایانه را با یادگیری عمیق توسعه داده‌اید.
آنچه خواهید آموخت
· تکنیک‌های پردازش تصویر، دستکاری و استخراج ویژگی‌ها را بکار ببرید
· کار با الگوریتم‌های مختلف یادگیری عمیق برای بینایی رایانه
· آموزش، مدیریت و تنظیم فراپارامترهای CNN و مدل‌های تشخیص اشیا، مانند R-CNN، SSD، و YOLO
· ساخت مدل‌های شبکه عصبی با استفاده از Keras و TensorFlow
· بهترین شیوه‌ها را هنگام پیاده‌سازی برنامه‌های بینایی رایانه در تجارت و صنعت کشف کنید
· آموزش مدل‌های توزیع‌شده در زیرساخت ابری مبتنی بر GPU
این کتاب برای چه کسی است
دانشمندان، تحلیلگران داده، و متخصصان یادگیری ماشین و مهندسی نرم افزار با دانش برنامه نویسی پایتون.
Apply computer vision and machine learning concepts in developing business and industrial applications using a practical, step-by-step approach.
The book comprises four main sections starting with setting up your programming environment and configuring your computer with all the prerequisites to run the code examples. Section 1 covers the basics of image and video processing with code examples of how to manipulate and extract useful information from the images. You will mainly use OpenCV with Python to work with examples in this section.
Section 2 describes machine learning and neural network concepts as applied to computer vision. You will learn different algorithms of the neural network, such as convolutional neural network (CNN), region-based convolutional neural network (R-CNN), and YOLO. In this section, you will also learn how to train, tune, and manage neural networks for computer vision. Section 3 provides step-by-step examples of developing business and industrial applications, such as facial recognition in video surveillance and surface defect detection in manufacturing.
The final section is about training neural networks involving a large number of images on cloud infrastructure, such as Amazon AWS, Google Cloud Platform, and Microsoft Azure. It walks you through the process of training distributed neural networks for computer vision on GPU-based cloud infrastructure. By the time you finish reading Building Computer Vision Applications Using Artificial Neural Networks and working through the code examples, you will have developed some real-world use cases of computer vision with deep learning.
What You Will Learn
· Employ image processing, manipulation, and feature extraction techniques
· Work with various deep learning algorithms for computer vision
· Train, manage, and tune hyperparameters of CNNs and object detection models, such as R-CNN, SSD, and YOLO
· Build neural network models using Keras and TensorFlow
· Discover best practices when implementing computer vision applications in business and industry
· Train distributed models on GPU-based cloud infrastructure
Who This Book Is For
Data scientists, analysts, and machine learning and software engineering professionals with Python programming knowledge.
