Avis des lecteurs
Résumé:Ce livre est très apprécié pour sa couverture complète des applications d'apprentissage profond en vision par ordinateur, avec un fort accent sur les exemples pratiques et le codage pratique. Cependant, il nécessite une connaissance préalable de la théorie des réseaux neuronaux pour comprendre pleinement ses explications, et certains utilisateurs ont noté le manque de couleur dans l'impression, ce qui rend la lecture plus difficile et moins informative sur le plan visuel.
Avantages:Couverture complète de l'apprentissage profond en vision par ordinateur, explications claires des concepts, exemples pratiques et expériences de codage, inclusion de divers sujets du niveau de base au niveau avancé, références à des documents pertinents, adapté à la fois aux débutants et aux professionnels expérimentés en vision par ordinateur.
Inconvénients:Nécessite des connaissances préalables sur les réseaux neuronaux pour comprendre certaines explications, le manque de couleur dans l'impression peut nuire à la lisibilité et à la clarté de l'image.
(basé sur 5 avis de lecteurs)
Titre original :
TensorFlow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges
Contenu du livre :
Familiarisez-vous avec les techniques de pointe pour adapter les processus de formation et stimuler les performances des modèles de vision par ordinateur à l'aide de techniques d'apprentissage automatique et d'apprentissage profond.
Caractéristiques principales :
⬤ Développez, entraînez et utilisez des algorithmes d'apprentissage profond pour les tâches de vision par ordinateur à l'aide de TensorFlow 2. x.
⬤ Découvrez des recettes pratiques pour surmonter les différents défis rencontrés lors de la construction de modèles de vision par ordinateur.
⬤ Les résultats de l'étude ont été publiés dans le journal de l'Université du Québec à Montréal et dans le journal de l'Université du Québec à Montréal, le journal de l'Université du Québec à Montréal.
Description du livre :
La vision par ordinateur est un domaine scientifique qui permet aux machines d'identifier et de traiter des images et des vidéos numériques. Ce livre se concentre sur des recettes indépendantes pour vous aider à effectuer diverses tâches de vision par ordinateur à l'aide de TensorFlow.
Le livre commence par vous présenter les bases de l'apprentissage profond pour la vision par ordinateur, ainsi que les principales fonctionnalités de TensorFlow 2.x, telles que les API Keras et tf. data. Dataset. Vous découvrirez ensuite les tenants et les aboutissants des tâches courantes de vision par ordinateur, telles que la classification d'images, l'apprentissage par transfert, l'amélioration et le stylisme d'images, et la détection d'objets. Le livre couvre également les autoencodeurs dans des domaines tels que les index de recherche inverse d'images et le débruitage d'images, tout en offrant un aperçu des différentes architectures utilisées dans les recettes, telles que les réseaux neuronaux convolutifs (CNN), les CNN basés sur les régions (R-CNN), VGGNet, et You Only Look Once (YOLO).
Vous découvrirez ensuite des conseils et des astuces pour résoudre les problèmes rencontrés lors de la création de diverses applications de vision par ordinateur. Enfin, vous aborderez des sujets plus avancés tels que les Generative Adversarial Networks (GAN), le traitement vidéo et l'AutoML, et conclurez par une section consacrée aux techniques permettant d'améliorer les performances de vos réseaux.
À la fin de ce livre sur TensorFlow, vous serez en mesure d'aborder en toute confiance un large éventail de problèmes de vision par ordinateur à l'aide de TensorFlow 2.x.
Ce que vous apprendrez :
⬤ Comprendre comment détecter des objets en utilisant des modèles de pointe tels que YOLOv3.
⬤ Utiliser AutoML pour prédire le sexe et l'âge à partir d'images.
⬤ Segmenter des images en utilisant différentes approches telles que les FCN et les modèles génératifs.
⬤ Apprenez à améliorer les performances de votre réseau en utilisant la précision du rang N, le lissage des étiquettes et l'augmentation du temps de test.
⬤ Les machines peuvent reconnaître les émotions des personnes dans les vidéos et les flux en temps réel.
⬤ Accédez et réutilisez des modèles TensorFlow Hub avancés pour effectuer la classification d'images et la détection d'objets.
⬤ Générer des légendes pour les images en utilisant des CNN et des RNN.
A qui s'adresse ce livre :
Ce livre s'adresse aux développeurs et ingénieurs en vision artificielle, ainsi qu'aux praticiens de l'apprentissage profond à la recherche de solutions à divers problèmes qui se posent couramment en vision artificielle. Vous découvrirez comment utiliser les techniques modernes d'apprentissage automatique (ML) et les architectures d'apprentissage profond pour effectuer une pléthore de tâches de vision par ordinateur. Des connaissances de base en programmation Python et en vision par ordinateur sont requises.
Autres informations sur le livre :
| ISBN : | 9781838829131 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
