Bewertung:
Das Buch bietet interessante Inhalte und eine strukturierte Herangehensweise an Computer-Vision-Algorithmen, leidet aber unter der schlechten Qualität des Designs, einschließlich niedrig aufgelöster Bilder und unzureichendem Schriftsatz von Gleichungen. Es eignet sich eher als Schnellreferenz denn als umfassender Leitfaden.
Vorteile:⬤ Interessanter Inhalt
⬤ klar strukturierter Inhalt
⬤ kompakte Kapitel.
⬤ Schlechte grafische Qualität
⬤ niedrig aufgelöste Schwarz-Weiß-Bilder
⬤ unleserliche Gleichungen
⬤ mangelnde Tiefe
⬤ Kapitelinhalte sind nicht detailliert
⬤ ablenkende große Schriftgröße
⬤ unerklärte Abbildungen
⬤ fehlender Vergleich von Algorithmen
⬤ erklärt nicht, wann bestimmte Algorithmen zu verwenden sind.
(basierend auf 2 Leserbewertungen)
Python Image Processing Cookbook: Over 60 recipes to help you perform complex image processing and computer vision tasks with ease
Entdecken Sie Keras, scikit-image, Open Source Computer Vision (OpenCV), Matplotlib und eine Vielzahl anderer Python-Tools und -Frameworks, um reale Bildverarbeitungsprobleme zu lösen.
Hauptmerkmale
⬤ Entdecken Sie Lösungen für komplexe Bildverarbeitungsaufgaben mit Python-Tools wie scikit-image und Keras.
⬤ Lernen Sie beliebte Konzepte wie maschinelles Lernen, Deep Learning und neuronale Netze für die Bildverarbeitung kennen.
⬤ Erforschen Sie häufige und weniger häufige Herausforderungen in der Bildverarbeitung.
Buchbeschreibung
Mit den Fortschritten bei drahtlosen Geräten und mobiler Technologie steigt die Nachfrage nach Personen mit Kenntnissen der digitalen Bildverarbeitung, um nützliche Informationen aus der ständig wachsenden Menge an Bildern zu extrahieren. Dieses Buch bietet eine umfassende Abdeckung der relevanten Tools und Algorithmen und führt Sie durch die Analyse und Visualisierung für die Bildverarbeitung.
Mit Hilfe von mehr als 60 innovativen Rezepten werden Sie häufige Herausforderungen in der Bildverarbeitung bewältigen und lernen, wie Sie komplexe Aufgaben wie Objekterkennung, Bildsegmentierung und Bildrekonstruktion mit großen hybriden Datensätzen durchführen können. Spezielle Abschnitte führen Sie auch durch die Implementierung verschiedener Bildverbesserungs- und Bildwiederherstellungstechniken, wie z. B. Cartooning, Gradient Blending und Sparse Dictionary Learning. Im weiteren Verlauf werden Sie sich mit Gesichtsmorphing und Bildsegmentierungstechniken auseinandersetzen. Mit dem Schwerpunkt auf praktischen Lösungen hilft Ihnen dieses Buch bei der Anwendung von Deep-Learning-Techniken wie Transfer-Lernen und Feinabstimmung, um reale Probleme zu lösen.
Am Ende dieses Buches werden Sie in der Lage sein, die Möglichkeiten des Python-Ökosystems zu nutzen, um verschiedene Bildverarbeitungstechniken effektiv zu implementieren.
(Was Sie lernen werden)
⬤ Implementieren Sie überwachte und unüberwachte Algorithmen des maschinellen Lernens für die Bildverarbeitung.
⬤ Tiefe neuronale Netzwerkmodelle für fortgeschrittene Bildverarbeitungsaufgaben verwenden.
⬤ Durchführen von Bildklassifizierung, Objekterkennung und Gesichtserkennung.
⬤ Anwendung von Bildsegmentierungs- und Registrierungstechniken auf medizinische Bilder zur Unterstützung von Ärzten.
⬤ Anwendung klassischer Bildverarbeitungs- und Deep-Learning-Methoden zur Bildwiederherstellung.
⬤ Implementieren Sie Texterkennung in Bildern mit Tesseract, der optischen Zeichenerkennung (OCR).
⬤ Bildverbesserungstechniken wie Gradient Blending zu verstehen.
Für wen ist dieses Buch gedacht?
Dieses Buch richtet sich an Bildverarbeitungsingenieure, Computer-Vision-Ingenieure, Softwareentwickler, Ingenieure für maschinelles Lernen oder jeden, der sich anhand eines rezeptbasierten Ansatzes mit den Techniken und Methoden der Bildverarbeitung vertraut machen möchte. Obwohl keine Bildverarbeitungskenntnisse vorausgesetzt werden, sind Vorkenntnisse in der Python-Programmierung erforderlich, um die in diesem Buch behandelten Schlüsselkonzepte zu verstehen.
| ISBN: | 9781789537147 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
