دانلود کتاب Mastering Computer Vision with TensorFlow 2.x: Build advanced computer vision applications using machine learning and deep learning techniques (به فارسی: تسلط بر بینایی کامپیوتر با TensorFlow 2.x: ساخت برنامه های بینایی کامپیوتری پیشرفته با استفاده از یادگیری ماشین و تکنیک های یادگیری عمیق) نوشته شده توسط «Krishnendu Kar»
اطلاعات کتاب تسلط بر بینایی کامپیوتر با TensorFlow 2.x: ساخت برنامه های بینایی کامپیوتری پیشرفته با استفاده از یادگیری ماشین و تکنیک های یادگیری عمیق
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Krishnendu Kar
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 430 / 419
حجم فایل: 57.13 مگابایت
کد کتاب: 1838827064 , 9781838827069
توضیحات کتاب تسلط بر بینایی کامپیوتر با TensorFlow 2.x: ساخت برنامه های بینایی کامپیوتری پیشرفته با استفاده از یادگیری ماشین و تکنیک های یادگیری عمیق
استفاده از معماری شبکه های عصبی برای ساختن برنامه های کاربردی بینایی کامپیوتری پیشرفته با استفاده از زبان برنامه نویسی پایتون
ویژگی های کلیدی
- درکی اساسی از کامپیوتر پیشرفته به دست آورید مدل‌های بینایی و شبکه‌های عصبی که امروزه مورد استفاده قرار می‌گیرند
- وظایفی مانند دید سطح پایین، طبقه‌بندی تصویر، و تشخیص اشیا را پوشش می‌دهد
- توسعه مدل‌های یادگیری عمیق در پلتفرم‌های ابری و بهینه‌سازی آنها با استفاده از TensorFlow Lite و OpenVINO toolkit
Book Description
بینایی کامپیوتری به ماشین‌ها اجازه می‌دهد تا درک سطح انسانی برای تجسم، پردازش و تجزیه و تحلیل تصاویر و ویدئوها را به دست آورند. این کتاب بر استفاده از TensorFlow برای کمک به یادگیری وظایف پیشرفته بینایی کامپیوتری مانند اکتساب تصویر، پردازش و تجزیه و تحلیل تمرکز دارد. شما با اصول کلیدی بینایی کامپیوتر و یادگیری عمیق برای ایجاد یک پایه محکم، قبل از پوشش معماری شبکه های عصبی و درک نحوه کار آنها به جای استفاده از آنها به عنوان یک جعبه سیاه، شروع خواهید کرد. در مرحله بعد، معماری هایی مانند VGG، ResNet، Inception، R-CNN، SSD، YOLO و MobileNet را بررسی خواهید کرد. با پیشرفت، یاد خواهید گرفت که از روش های جستجوی بصری با استفاده از یادگیری انتقال استفاده کنید. همچنین مفاهیم پیشرفته بینایی کامپیوتری مانند تقسیم بندی معنایی، نقاشی درون تصویر با GAN، ردیابی شی، تقسیم بندی ویدئو و تشخیص عمل را پوشش خواهید داد. بعداً، این کتاب بر چگونگی استفاده از یادگیری ماشینی و مفاهیم یادگیری عمیق برای انجام کارهایی مانند تشخیص لبه و تشخیص چهره تمرکز دارد. سپس خواهید فهمید که چگونه می توانید مدل های شبکه عصبی قدرتمند را در رایانه شخصی خود و در پلتفرم های مختلف ابری توسعه دهید. در نهایت، روش‌های بهینه‌سازی مدل را برای استقرار مدل‌ها در دستگاه‌های لبه برای استنتاج بلادرنگ یاد خواهید گرفت. در پایان این کتاب، شما درک کاملی از بینایی کامپیوتر خواهید داشت و می‌توانید با اطمینان مدل‌هایی را برای خودکارسازی وظایف ایجاد کنید.
آنچه یاد خواهید گرفت
- روش‌های استخراج ویژگی و بازیابی تصویر را کاوش کنید. و لایه های مختلف مدل شبکه عصبی را تجسم کنید
- از TensorFlow برای روش های مختلف جستجوی بصری برای سناریوهای دنیای واقعی استفاده کنید
- شبکه های عصبی بسازید یا پارامترها را برای بهینه سازی عملکرد مدل ها تنظیم کنید
- درک TensorFlow DeepLab برای انجام بخش بندی معنایی روی تصاویر و DCGAN برای نقاشی درون تصویر
- مدل خود را ارزیابی کنید و آن را بهینه سازی و ادغام کنید تا در مقیاس کار کند
- برخوردار شوید سرعت با تکنیک‌های انجام حاشیه‌نویسی دستی و خودکار تصویر
این کتاب برای چه کسی است
این کتاب برای متخصصان بینایی کامپیوتر، حرفه‌ای‌های پردازش تصویر، مهندسین یادگیری ماشین و توسعه‌دهندگان هوش مصنوعی است که اطلاعاتی در مورد ماشین دارند. یادگیری و یادگیری عمیق و وا nt برای ساخت برنامه های بینایی کامپیوتری در سطح متخصص. علاوه بر آشنایی با TensorFlow، برای شروع کار با این کتاب به دانش پایتون نیاز است.
فهرست مطالب
- مبانی بینایی کامپیوتر و تنسورفلو
- تشخیص محتوا با استفاده از الگوی باینری محلی
- تشخیص چهره و ردیابی با استفاده از الگوریتم Viola Jones & OpenCV
- یادگیری عمیق روی تصاویر
- معماری شبکه عصبی و amp; مدل‌ها
- جستجوی تصویری با استفاده از یادگیری انتقالی
- تشخیص شی با استفاده از YOLO
- تقسیم‌بندی معنایی و انتقال سبک عصبی
- تشخیص عمل با استفاده از یادگیری عمیق چند کاره
- طبقه بندی و تشخیص اشیاء با استفاده از RCNN
- آموزش عمیق در دستگاه های لبه با بهینه سازی GPU/CPU
- پلتفرم رایانش ابری برای دید رایانه
Apply neural network architectures to build state-of-the-art computer vision applications using the Python programming language
Key Features
- Gain a fundamental understanding of advanced computer vision and neural network models in use today
- Cover tasks such as low-level vision, image classification, and object detection
- Develop deep learning models on cloud platforms and optimize them using TensorFlow Lite and the OpenVINO toolkit
Book Description
Computer vision allows machines to gain human-level understanding to visualize, process, and analyze images and videos. This book focuses on using TensorFlow to help you learn advanced computer vision tasks such as image acquisition, processing, and analysis. You’ll start with the key principles of computer vision and deep learning to build a solid foundation, before covering neural network architectures and understanding how they work rather than using them as a black box. Next, you’ll explore architectures such as VGG, ResNet, Inception, R-CNN, SSD, YOLO, and MobileNet. As you advance, you’ll learn to use visual search methods using transfer learning. You’ll also cover advanced computer vision concepts such as semantic segmentation, image inpainting with GAN’s, object tracking, video segmentation, and action recognition. Later, the book focuses on how machine learning and deep learning concepts can be used to perform tasks such as edge detection and face recognition. You’ll then discover how to develop powerful neural network models on your PC and on various cloud platforms. Finally, you’ll learn to perform model optimization methods to deploy models on edge devices for real-time inference. By the end of this book, you’ll have a solid understanding of computer vision and be able to confidently develop models to automate tasks.
What you will learn
- Explore methods of feature extraction and image retrieval and visualize different layers of the neural network model
- Use TensorFlow for various visual search methods for real-world scenarios
- Build neural networks or adjust parameters to optimize the performance of models
- Understand TensorFlow DeepLab to perform semantic segmentation on images and DCGAN for image inpainting
- Evaluate your model and optimize and integrate it into your application to operate at scale
- Get up to speed with techniques for performing manual and automated image annotation
Who this book is for
This book is for computer vision professionals, image processing professionals, machine learning engineers and AI developers who have some knowledge of machine learning and deep learning and want to build expert-level computer vision applications. In addition to familiarity with TensorFlow, Python knowledge will be required to get started with this book.
Table of Contents
- Computer Vision and Tensorflow Fundamentals
- Content Recognition using Local Binary Pattern
- Face Recognition and Tracking using Viola Jones Algorithm & OpenCV
- Deep learning on images
- Neural Network Architecture & Models
- Visual Search using Transfer Learning
- Object Detection using YOLO
- Semantic Segmentation and Neural Style Transfer
- Action Recognition using Multitask Deep Learning
- Object Classification and Detection using RCNN
- Deep Learning on Edge Devices with GPU/CPU Optimization
- Cloud Computing Platform for Computer Vision
