Bewertung:
Das Buch wird für seine umfassende Abdeckung von Deep-Learning-Anwendungen im Bereich der Computer Vision hoch geschätzt, wobei der Schwerpunkt auf praktischen Beispielen und praktischer Kodierung liegt. Es erfordert jedoch Vorkenntnisse in der Theorie neuronaler Netze, um die Erklärungen vollständig zu verstehen, und einige Nutzer bemängelten den Mangel an Farbe im Druck, was das Lesen erschwert und weniger visuell informativ ist.
Vorteile:Umfassende Abdeckung von Deep Learning in Computer Vision, klare Erklärungen von Konzepten, praktische Beispiele und praktische Kodierungserfahrungen, Einbeziehung verschiedener Themen von grundlegenden bis zu fortgeschrittenen Ebenen, Verweise auf relevante Materialien, geeignet sowohl für Anfänger als auch für erfahrene Profis in Computer Vision.
Nachteile:Erfordert Vorkenntnisse über neuronale Netze, um einige Erklärungen zu verstehen, der Mangel an Farbe im Druck kann die Lesbarkeit und Bildklarheit beeinträchtigen.
(basierend auf 5 Leserbewertungen)
TensorFlow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges
Machen Sie sich mit den modernsten Techniken vertraut, um Trainingsprozesse anzupassen und die Leistung von Computer-Vision-Modellen mithilfe von maschinellem Lernen und Deep-Learning-Techniken zu steigern
Hauptmerkmale:
⬤ Entwickeln, trainieren und nutzen Sie Deep-Learning-Algorithmen für Computer-Vision-Aufgaben mit TensorFlow 2.x.
⬤ Entdecken Sie praktische Rezepte, um verschiedene Herausforderungen beim Aufbau von Computer-Vision-Modellen zu überwinden.
⬤ Ermöglichen Sie es Maschinen, ein Verständnis auf menschlicher Ebene zu erlangen, um digitale Bilder und Videos zu erkennen und zu analysieren.
Buchbeschreibung:
Computer Vision ist ein wissenschaftliches Gebiet, das es Maschinen ermöglicht, digitale Bilder und Videos zu identifizieren und zu verarbeiten. Dieses Buch konzentriert sich auf unabhängige Rezepte, die Ihnen helfen, verschiedene Computer-Vision-Aufgaben mit TensorFlow durchzuführen.
Das Buch beginnt mit einer Einführung in die Grundlagen des Deep Learning für Computer Vision und behandelt die wichtigsten Funktionen von TensorFlow 2.x, wie die Keras und tf.data. Dataset APIs. Sie lernen dann die Besonderheiten gängiger Computer-Vision-Aufgaben kennen, wie z.B. Bildklassifizierung, Transfer-Lernen, Bildverbesserung und -gestaltung sowie Objekterkennung. Das Buch behandelt auch Autoencoder in Bereichen wie inverse Bildsuchindizes und Bildentrauschung und bietet Einblicke in verschiedene Architekturen, die in den Rezepten verwendet werden, wie z. B. Faltungsneuronale Netze (CNNs), regionenbasierte CNNs (R-CNNs), VGGNet und You Only Look Once (YOLO).
Im weiteren Verlauf werden Sie Tipps und Tricks zur Lösung von Problemen bei der Entwicklung verschiedener Computer-Vision-Anwendungen entdecken. Schließlich befassen Sie sich mit fortgeschrittenen Themen wie Generative Adversarial Networks (GANs), Videoverarbeitung und AutoML und schließen mit einem Abschnitt, der sich auf Techniken konzentriert, die Ihnen helfen, die Leistung Ihrer Netzwerke zu steigern.
Am Ende dieses TensorFlow-Buches werden Sie in der Lage sein, eine breite Palette von Computer-Vision-Problemen mit TensorFlow 2.x selbstbewusst anzugehen.
Was Sie lernen werden:
⬤ Verstehen Sie, wie man Objekte mit modernsten Modellen wie YOLOv3 erkennt.
⬤ AutoML zur Vorhersage von Geschlecht und Alter aus Bildern verwenden.
⬤ Segmentieren Sie Bilder mit verschiedenen Ansätzen wie FCNs und generativen Modellen.
⬤ Lernen Sie, wie Sie die Leistung Ihres Netzwerks mit Rank-N-Genauigkeit, Label-Glättung und Testzeitverlängerung verbessern können.
⬤ Maschinen in die Lage versetzen, die Emotionen von Menschen in Videos und Echtzeitströmen zu erkennen.
⬤ Zugriff auf und Wiederverwendung von fortgeschrittenen TensorFlow Hub Modellen zur Bildklassifizierung und Objekterkennung.
⬤ Erzeugen Sie Bildunterschriften mit CNNs und RNNs.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Computer-Vision-Entwickler und -Ingenieure sowie an Deep-Learning-Praktiker, die nach praktischen Lösungen für verschiedene Probleme suchen, die in der Computer-Vision häufig auftreten. Sie werden entdecken, wie man moderne Techniken des maschinellen Lernens (ML) und Deep-Learning-Architekturen einsetzt, um eine Fülle von Computer-Vision-Aufgaben zu lösen. Grundlegende Kenntnisse der Python-Programmierung und des maschinellen Sehens sind erforderlich.
| ISBN: | 9781838829131 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
