Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 9 votes.
Building Computer Vision Applications Using Artificial Neural Networks: With Step-By-Step Examples in Opencv and Tensorflow with Python
Section 11. Chapitre 1 : Conditions préalables et installation du logiciel 1. 1. Python et PIP 1. 1. 1. Installation de Python et PIP sur Ubuntu 1. 1. 2. Installation de Python et PIP sur Mac OS 1. 1. 3. Installation de Python et PIP sur CentOS 7 1. 1. 4. Installation de Python et PIP sur Windows 1. 2. Virtualenv 1. 2. 1. Configuration et activation de virtualenv 1. 3. Tensorflow 1. 3. 1. Installation de Tensorflow 1. 4. PyCharm IDE 1. 4. 1. Installation de PyCharm 1. 4. 2. Configurer PyCharm pour utiliser virtualenv 1. 5. OpenCV 1. 5. 1. Installation d'OpenCV 1. 5. 2. Installation d'OpenCV4 avec des liens Python 1. 6. Bibliothèques supplémentaires 1. 6. 1. SciPy 1. 6. 2. Matplotlib.
Chapitre 2 : Concepts fondamentaux du traitement de l'image et de la vidéo 1. 7. Traitement des images 1. 7. 1. Bases de l'image 1. 7. 2. Pixel 1. 7. 3. Couleur du pixel 1. 7. 3. 1. Niveaux de gris 1. 7. 3. 2. couleur 1. 7. 4. Système de coordonnées 1. 7. 5. Code Python et OpenCV pour manipuler les images 1. 7. 6. Programme : chargement, exploration et affichage d'une image 1. 7. 7. Programme : Code OpenCV pour accéder aux pixels et les manipuler 1. 8. Dessin 1. 8. 1. Dessiner une ligne sur une image 1. 8. 2. Dessiner un rectangle sur une image 1. 8. 3. Dessiner un cercle sur une image 1. 9. Résumé du chapitre 1. 10. 2. Chapitre 3 : Techniques de traitement d'images 2. 1. Transformation 2. 1. 1. Redimensionnement 2. 1. 2. Traduction 2. 1. 3. Rotation 2. 1. 4. Retournement 2. 1. 5. Recadrage 2. 2. arithmétique de l'image et opérations sur les bits 2. 2. 1. Addition 2. 2. 2. Soustraction 2. 2. 3. Opérations par bit 2. 2. 3. 1. OU 2. 2. 3. 2. ET 2. 2. 3. 3. NOT 2. 2. 3. 4. XOR 2. 3. Masquage 2. 4. Séparation et fusion de canaux 2. 5. Lissage et flou 2. 6. Seuil 2. 7. Détection de gradient et de bord 2. 8. Contours2. 9. Résumé du chapitre.
Section 23. Chapitre 4 : Construction d'un système d'intelligence artificielle pour la vision par ordinateur 3. 1. Pipeline de traitement d'images 3. 2. Extraction des caractéristiques 3. 2. 1. Histogramme des couleurs 3. 2. 2. GLCM 3. 2. 3. HOG 3. 2. 4. LBP 3. 3. Sélection des caractéristiques 3. 3. 1. Filtre 3. 3. 2. enveloppant 3. 3. 3. Intégrée 3. 3. 4. Régularisation 3. 4. Résumé du chapitre.
4. Chapitre 5 : Réseau de neurones artificiels pour la vision par ordinateur 4. 1. Introduction aux réseaux neuronaux artificiels 4. 1. 1. Topologie du RNA 4. 1. 2. hyperparamètres 4. 1. 3. Entraînement d'un modèle ANN à l'aide de TensorFlow 4. 1. 4. Évaluation du modèle 4. 1. 5. Déploiement du modèle 4. 1. 6. Utilisation du modèle entraîné 4. 2. Introduction aux réseaux neuronaux à convolution (CNN) 4. 2. 1. Concepts fondamentaux du CNN4. 2. 2. Création d'un ensemble d'entraînement pour le CNN4. 2. 3. Entraînement du modèle CNN à l'aide de TensorFlow 4. 2. 4. Inspection du modèle CNN et évaluation de l'aptitude du modèle4. 2. 5. 2. 5. utilisation et déploiement du modèle formé4. 3. Introduction aux réseaux neuronaux récurrents (RNN) et à la mémoire à long terme (LSTM) 4. 3. 1. Concepts de base des RNN et des LSTM4. 3. 2. 3. 2. création d'un ensemble d'entraînement pour LSTM4. 3. 3. Entraînement du modèle LSTM à l'aide de TensorFlow4. 3. 4. Inspection du modèle LSTM et évaluation de l'aptitude4. 3. 5. Déploiement des modèles LSTM dans la pratique.
Section 35. Chapitre 6 : Exemple pratique 1- Détection d'objets dans les images 6. Chapitre 7 : Exemple pratique 2- Suivi d'objets dans les vidéos 7. Chapitre 8 : Exemple pratique 3- Détection faciale 8. Chapitre 9 : Application industrielle - Détection de défauts en temps réel dans la fabrication industrielle.
| ISBN : | 9781484258866 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 451 |
Actuellement disponible, en stock.
