Avis des lecteurs
Résumé:Ce livre constitue une introduction en douceur à l'apprentissage profond et à la vision par ordinateur, en mettant l'accent sur les voitures autonomes. Il est bien structuré, avec des implémentations pratiques et de nombreuses aides visuelles, ce qui le rend adapté aux débutants. Cependant, il manque un projet complet de bout en bout qui unifie les chapitres.
Avantages:⬤ Bien structuré et engageant les lecteurs avec du code, des graphiques et des illustrations.
⬤ Fournit des connaissances fondamentales et des exemples pratiques pour les projets de voitures autonomes.
⬤ Convient à la fois aux débutants et à ceux qui cherchent à comprendre les bases sans trop de détails techniques.
⬤ Il manque un projet de bout en bout qui relie tous les chapitres.
⬤ Certains évaluateurs ont trouvé le contenu trop sommaire et superficiel pour une compréhension plus approfondie.
⬤ Pourrait bénéficier de références éducatives supplémentaires pour une étude plus détaillée.
(basé sur 9 avis de lecteurs)
Titre original :
Applied Deep Learning and Computer Vision for Self-Driving Cars: Build autonomous vehicles using deep neural networks and behavior-cloning techniques
Contenu du livre :
Explorer la technologie des voitures auto-conduites en utilisant des techniques et des bibliothèques d'apprentissage profond et d'intelligence artificielle telles que TensorFlow, Keras et OpenCV.
Caractéristiques principales
⬤ Construire et entraîner de puissants modèles de réseaux neuronaux pour construire une voiture autonome.
⬤ Les techniques de vision par ordinateur, d'apprentissage profond et d'intelligence artificielle sont utilisées pour créer des algorithmes automobiles.
⬤ Surmonter les défis rencontrés lors de l'automatisation des différents aspects de la conduite en utilisant des bibliothèques et des architectures Python modernes.
Description du livre
Grâce à un certain nombre de percées récentes, la technologie de la voiture autonome est désormais un sujet émergent dans le domaine de l'intelligence artificielle et a déplacé l'attention des data scientists vers la construction de voitures autonomes qui transformeront l'industrie automobile. Ce livre est un guide complet sur l'utilisation des techniques d'apprentissage profond et de vision par ordinateur pour développer des voitures autonomes.
En commençant par les bases des voitures auto-conduites (SDC), ce livre vous fera découvrir les techniques de réseaux neuronaux profonds nécessaires pour être opérationnel dans la construction de votre véhicule autonome. Une fois que vous serez à l'aise avec les bases, vous vous plongerez dans les techniques avancées de vision par ordinateur et apprendrez à utiliser les méthodes d'apprentissage profond pour effectuer une variété de tâches de vision par ordinateur telles que la recherche de lignes de voie, l'amélioration de la classification d'images, etc. Vous explorerez la structure de base et le fonctionnement d'un modèle de segmentation sémantique et apprendrez à détecter des voitures à l'aide de la segmentation sémantique. Le livre couvre également des applications avancées telles que le clonage de comportement et la détection de véhicules à l'aide d'OpenCV, l'apprentissage par transfert et les méthodologies d'apprentissage profond pour entraîner les SDC à imiter la conduite humaine.
À la fin de ce livre, vous aurez appris à mettre en œuvre une variété de réseaux neuronaux pour développer votre propre véhicule autonome à l'aide de bibliothèques Python modernes.
Ce que vous apprendrez
⬤ Implémenter un réseau neuronal profond à partir de zéro en utilisant la bibliothèque Keras.
⬤ Comprendre l'importance de l'apprentissage profond dans les voitures autonomes.
⬤ Comprendre l'importance de l'apprentissage profond dans les voitures autonomes.
⬤ Concevoir un pipeline logiciel qui détecte les lignes de voie dans les vidéos.
⬤ Mettre en œuvre un classificateur d'images à réseau neuronal convolutif (CNN) pour les panneaux de signalisation.
⬤ Entraîner et tester des réseaux neuronaux pour le clonage comportemental en conduisant une voiture dans un simulateur virtuel.
⬤ Découvrir diverses architectures de segmentation sémantique et de détection d'objets à la pointe de la technologie.
A qui s'adresse ce livre ?
Si vous êtes un ingénieur en apprentissage profond, un chercheur en IA ou toute personne cherchant à mettre en œuvre des techniques d'apprentissage profond et de vision par ordinateur pour construire des solutions de conduite autonome, ce livre est fait pour vous. Toute personne souhaitant apprendre comment divers algorithmes liés à l'automobile sont construits trouvera également ce livre utile. Une expérience de la programmation Python, ainsi qu'une compréhension de base de l'apprentissage profond, sont nécessaires pour tirer le meilleur parti de ce livre.
Autres informations sur le livre :
| ISBN : | 9781838646301 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
