Praktisches maschinelles Lernen und Bildverarbeitung: Für Gesichtserkennung, Objekterkennung und Mustererkennung mit Python

Bewertung: ⭐⭐⭐  (2,9 von 5)

Leserbewertungen

Zusammenfassung:

Das Buch erhält eine Mischung aus Kritik und einigen lobenden Worten. Die Benutzer finden, dass es sich stark auf grundlegende Python-Programmierung und Bildverarbeitungsprinzipien konzentriert und Informationen oft über mehrere Seiten hinweg wiederholt. Viele Kritiker bemängeln die mangelnde Tiefe der Konzepte des maschinellen Lernens im Zusammenhang mit der Bildverarbeitung. Die Gesamtqualität des Inhalts scheint für fortgeschrittene Lernende nicht ausreichend zu sein, da sich die Erklärungen wiederholen und oberflächlich sind. Einige schätzen jedoch die Druckqualität und finden es für Anfänger einigermaßen nützlich.

Vorteile:

Gute Druckqualität; kann als grundlegender praktischer Leitfaden für die Bildverarbeitung nützlich sein.

Nachteile:

Übermäßiger Fokus auf grundlegende Python- und Bildverarbeitungskonzepte, sich zu sehr wiederholende Inhalte, mangelnde Tiefe bei Anwendungen des maschinellen Lernens, unzureichende Erklärung von Schlüsselkonzepten, zahlreiche Fehler im Inhalt und in den Beispielen, veraltete GitHub-Ressourcen und allgemein als nicht lohnend für fortgeschrittene Lernende angesehen.

(basierend auf 9 Leserbewertungen)

Originaltitel:

Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python

Inhalt des Buches:

Kapitel 1: Installation und Einrichtung der Umgebung.

Kapitel Ziel: Vorbereitung des Systems für die Bildverarbeitung und -analyse.

Anzahl der Seiten 20.

Unterthemen (Top 2)

1. Installation von Jupyter Notebook.

2. Installation von OpenCV und anderen Bildanalyse-Abhängigkeiten.

3. Installation der Abhängigkeiten von Neuronalen Netzwerken.

Kapitel 2: Einführung in Python und Bildverarbeitung.

Ziel des Kapitels: Einführung in verschiedene Konzepte von Python und Bildverarbeitungsanwendungen.

Anzahl der Seiten: 50.

Unter - Themen (Top 2)

1. Grundlagen von Python.

2. Terminologien im Zusammenhang mit der Bildanalyse.

Kapitel 3: Fortgeschrittene Bildverarbeitung mit OpenCV.

Kapitelziel: Verständnis von Algorithmen und deren Anwendungen mit Python.

Anzahl der Seiten: 100.

Unter - Themen (Top 2):

1. Operationen auf Bildern.

2. Bildtransformationen.

Kapitel 4: Maschinelle Lernansätze in der Bildverarbeitung.

Ziel des Kapitels: Grundlegende Implementierung von Machine- und Deep-Learning-Modellen, die sich um die Bildverarbeitung kümmern, vor Anwendungen in Echtzeitszenarien.

Anzahl der Seiten: 100.

Unter - Themen (Top 2):

1. Bildklassifizierung und Segmentierung.

2. Anwendung von überwachten und unüberwachten Lernansätzen auf Bilder mit Python.

Kapitel 5: Real Time Use Cases.

Ziel des Kapitels: Arbeit an 5 Projekten mit Python unter Anwendung aller in diesem Buch gelernten Konzepte.

Anzahl der Seiten: 100.

Unter - Themen (Top 5):

1. Erkennung von Gesichtern.

2. Gesichtserkennung.

3. Erkennung von Handgestenbewegungen.

4. Konzeptualisierung selbstfahrender Autos: Erweiterte Fahrspurerkennung.

5. Selbstfahrende Autos Konzeptualisierung: Erkennung von Verkehrsschildern.

Kapitel 6: Anhang A.

Kapitelziel: Erweiterte Konzepte Einführung.

Anzahl der Seiten: 50.

Unter - Themen (Top 2):

1. AdaBoost und XGBoost.

2. Impulsgekoppelte Neuronale Netze.

Weitere Daten des Buches:

• ISBN: 9781484241486
• Autor: Himanshu Singh
• Verlag: Apress
• Sprache: Englisch
• Einband: Taschenbuch
• Erscheinungsjahr: 2019
• Seitenzahl: 169