Masterclass di elaborazione delle immagini con Python: Oltre 50 soluzioni e tecniche per risolvere le sfide più complesse dell'elaborazione digitale delle immagini utilizzando Numpy, Scipy e Pytorch

Recensioni dei lettori

Il libro è molto apprezzato per la copertura completa degli argomenti relativi all'elaborazione delle immagini e per gli esempi pratici di codifica che utilizzano le librerie Python. Tuttavia, si fa notare che il libro non è adatto ai principianti a causa della complessità delle spiegazioni fornite.

⬤ Copertura completa dei principali argomenti di elaborazione delle immagini
⬤ include esempi pratici di codifica in Python utilizzando librerie come Numpy, Scipy, Pytorch e Keras
⬤ altamente raccomandato per gli aspiranti esperti di elaborazione delle immagini.

Non adatto ai principianti; alcune spiegazioni di codice non sono chiare e si desiderano maggiori dettagli sui concetti fondamentali.

(basato su 2 recensioni dei lettori)

Titolo originale:

Image Processing Masterclass with Python: 50+ Solutions and Techniques Solving Complex Digital Image Processing Challenges Using Numpy, Scipy, Pytorch

Contenuto del libro:

Oltre 50 problemi risolti con algoritmi classici + modelli ML / DL.

Caratteristiche principali

⬤  Approccio orientato ai problemi per praticare l'elaborazione delle immagini.

⬤  Utilizzo pratico delle più diffuse librerie Python: Numpy, Scipy, scikit-image, PIL e SimpleITK.

⬤  Dimostrazione end-to-end delle più diffuse sfide di elaborazione delle immagini facciali utilizzando le API MTCNN e Cognitive Vision di Microsoft.

Descrizione

Questo libro inizia con problemi di base di elaborazione e manipolazione delle immagini e dimostra come risolverli con le librerie e i moduli Python più diffusi. Si concentra poi sui problemi basati sulle trasformazioni geometriche delle immagini e sui problemi da risolvere con l'hashing delle immagini.

Successivamente, il libro si concentra sulla risoluzione di problemi basati sul campionamento, sulla convoluzione, sulla trasformata discreta di Fourier, sul filtraggio nel dominio della frequenza e sul restauro delle immagini con la deconvoluzione. Si propone inoltre di risolvere problemi di miglioramento dell'immagine utilizzando diversi algoritmi, come i filtri spaziali e la creazione di un'immagine a super risoluzione utilizzando SRGAN.

Infine, esplora i più diffusi problemi di elaborazione delle immagini facciali e li risolve con modelli di Machine learning e Deep learning utilizzando le più diffuse librerie python ML / DL.

Che cosa imparerete?

⬤  Sviluppare una forte presa sui fondamenti dell'elaborazione e della manipolazione delle immagini.

⬤  Risolvere i problemi di elaborazione delle immagini più diffusi utilizzando modelli di Machine Learning e Deep Learning.

⬤  Conoscenza delle librerie Python, tra cui numpy, scipy e scikit-image.

⬤  Utilizzo dei più diffusi pacchetti Python di Machine Learning come scikit-learn, Keras e pytorch.

⬤  Implementazione dal vivo di tecniche di elaborazione di immagini facciali come Face Detection / Recognition / Parsing dlib e MTCNN.

A chi è rivolto questo libro

Questo libro è stato progettato appositamente per gli utenti di computer vision, gli ingegneri dell'apprendimento automatico, gli esperti di elaborazione delle immagini che cercano di risolvere le moderne sfide di elaborazione delle immagini/visione computerizzata.

Indice dei contenuti

1. Capitolo 1: Elaborazione di base di immagini e video.

2. Capitolo 2: Altre trasformazioni e manipolazioni di immagini.

3. Capitolo 3: Campionamento, convoluzione e trasformata discreta di Fourier.

4. Capitolo 4: Trasformata discreta del coseno/di Wavelet e deconvoluzione.

5. Capitolo 5: Miglioramento delle immagini.

6. Capitolo 6: Altri miglioramenti delle immagini.

7. Capitolo 7: Elaborazione di immagini di volti.

Informazioni sull'autore

Sandipan Dey è uno scienziato dei dati con un'ampia gamma di interessi, che coprono argomenti quali l'apprendimento automatico, l'apprendimento profondo, l'elaborazione delle immagini e la visione artificiale. Ha lavorato in numerosi campi della scienza dei dati, come i sistemi di raccomandazione, i modelli predittivi per il settore degli eventi, i modelli di localizzazione dei sensori, l'analisi del sentimento e la prognostica dei dispositivi. Ha conseguito un master in Informatica presso l'Università del Maryland, Baltimora County, e ha pubblicato in alcune conferenze e riviste di data mining dell'IEEE. È anche autore di un paio di libri sull'elaborazione delle immagini, pubblicati da una casa editrice internazionale. Ha ottenuto certificazioni da oltre 100 MOOC sulla scienza dei dati e corsi correlati. È un blogger regolare (su sandipanweb @wordpress, medium e data science central) ed è un appassionato di formazione sul Machine Learning.

Profilo LinkedIn: https: //www.linkedin.com/in/sandipan-dey-0370276.