Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 9 Stimmen.
Building Computer Vision Applications Using Artificial Neural Networks: With Step-By-Step Examples in Opencv and Tensorflow with Python
Abschnitt 11. Kapitel 1: Voraussetzungen und Softwareinstallation 1. 1. Python und PIP 1. 1. 1. Installation von Python und PIP unter Ubuntu 1. 1. 2. Installation von Python und PIP unter Mac OS 1. 1. 3. Installation von Python und PIP unter CentOS 7 1. 1. 4. Installation von Python und PIP unter Windows 1. 2. Virtualenv 1. 2. 1. Einrichten und Aktivieren von Virtualenv 1. 3. Tensorflow 1. 3. 1. Installieren von Tensorflow 1. 4. PyCharm IDE 1. 4. 1. Installieren von PyCharm 1. 4. 2. Konfigurieren von PyCharm zur Verwendung von virtualenv 1. 5. OpenCV 1. 5. 1. Installieren von OpenCV 1. 5. 2. Installieren von OpenCV4 mit Python-Bindungen 1. 6. Zusätzliche Bibliotheken 1. 6. 1. SciPy 1. 6. 2. Matplotlib.
Kapitel 2: Kernkonzepte der Bild- und Videoverarbeitung 1. 7. Bildverarbeitung 1. 7. 1. Bildgrundlagen 1. 7. 2. Pixel 1. 7. 3. Pixel Farbe 1. 7. 3. 1. Graustufen 1. 7. 3. 2. Farbe 1. 7. 4. Koordinatensystem 1. 7. 5. Python- und OpenCV-Code zur Bearbeitung von Bildern 1. 7. 6. Programm: Laden, Erkunden und Anzeigen von Bildern 1. 7. 7. Programm: OpenCV-Code für den Zugriff auf und die Bearbeitung von Pixeln 1. 8. Zeichnen 1. 8. 1. Zeichnen einer Linie auf einem Bild 1. 8. 2. Zeichnen eines Rechtecks auf einem Bild 1. 8. 3. Zeichnen eines Kreises auf einem Bild 1. 9. Zusammenfassung des Kapitels 1. 10. 2. Kapitel 3: Techniken der Bildverarbeitung 2. 1. Transformation 2. 1. 1. Größenänderung 2. 1. 2. Übersetzung 2. 1. 3. Drehen 2. 1. 4. Spiegeln 2. 1. 5. Beschneiden 2. 2. Bildarithmetik und bitweise Operationen 2. 2. 1. Addition 2. 2. 2. Subtraktion 2. 2. 3. Bitweise Operationen 2. 2. 3. 1. ODER 2. 2. 3. 2. UND 2. 2. 3. 3. NICHT 2. 2. 3. 4. XOR 2. 3. Maskierung 2. 4. Aufteilen und Zusammenführen von Kanälen 2. 5. Glätten und Verwischen 2. 6. Schwellenwertbildung 2. 7. Gradient und Kantenerkennung 2. 8. Konturen2. 9. Zusammenfassung des Kapitels.
Abschnitt 23. Kapitel 4: Aufbau eines Systems der künstlichen Intelligenz für Computer Vision 3. 1. Bildverarbeitungspipeline 3. 2. Merkmalsextraktion 3. 2. 1. Farbhistogramm 3. 2. 2. GLCM 3. 2. 3. HOG 3. 2. 4. LBP 3. 3. Merkmalsauswahl 3. 3. 1. Filter 3. 3. 2. Wrapper 3. 3. 3. Eingebettet 3. 3. 4. Regularisierung 3. 4. Zusammenfassung des Kapitels.
4. Kapitel 5: Künstliches Neuronales Netzwerk für Computer Vision 4. 1. Einführung in ANN 4. 1. 1. ANN-Topologie 4. 1. 2. Hyperparameter 4. 1. 3. ANN-Modell-Training mit TensorFlow 4. 1. 4. Modellbewertung 4. 1. 5. Modell-Einsatz 4. 1. 6. Verwendung des trainierten Modells 4. 2. Einführung in das Neuronale Faltungsnetzwerk (CNN) 4. 2. 1. Kernkonzepte von CNN4. 2. 2. Erstellen eines Trainingssatzes für CNN4. 2. 3. Training des CNN-Modells mit TensorFlow 4. 2. 4. Überprüfung des CNN-Modells und Bewertung der Modelleignung4. 2. 5. Verwendung und Einsatz des trainierten Modells4. 3. Einführung in rekurrente neuronale Netze (RNN) und Langzeitspeicher (LSTM) 4. 3. 1. Kernkonzepte von RNN und LSTM4. 3. 2. Erstellung einer Trainingsmenge für LSTM4. 3. 3. Training des LSTM-Modells mit TensorFlow4. 3. 4. Überprüfen des LSTM-Modells und Bewertung der Eignung4. 3. 5. Einsatz von LSTM-Modellen in der Praxis.
Abschnitt 35. Kapitel 6: Praktisches Beispiel 1- Objekterkennung in Bildern 6. Kapitel 7: Praktisches Beispiel 2- Objektverfolgung in Videos 7. Kapitel 8: Praktisches Beispiel 3- Gesichtsdetektion 8. Kapitel 9: Industrielle Anwendung - Defekterkennung in Echtzeit in der industriellen Fertigung.
| ISBN: | 9781484258866 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 451 |
Derzeit verfügbar, auf Lager.
