TensorFlow 2.0 Computer Vision Cookbook: Implementare soluzioni di apprendimento automatico per superare le varie sfide della computer vision

Recensioni dei lettori

Il libro è molto apprezzato per la sua copertura completa delle applicazioni di deep learning nella computer vision, con una forte enfasi sugli esempi pratici e sulla codifica pratica. Tuttavia, richiede una conoscenza preliminare della teoria delle reti neurali per comprendere appieno le sue spiegazioni, e alcuni utenti hanno notato la mancanza di colori nella stampa, che rende il libro più difficile da leggere e meno informativo dal punto di vista visivo.

Copertura completa dell'apprendimento profondo nella visione computerizzata, spiegazioni chiare dei concetti, esempi pratici ed esperienze pratiche di codifica, inclusione di vari argomenti dai livelli base a quelli avanzati, riferimenti a materiali pertinenti, adatto sia ai principianti che ai professionisti esperti nella visione computerizzata.

Richiede una conoscenza preliminare delle reti neurali per comprendere alcune spiegazioni, la mancanza di colori nella stampa può ostacolare la leggibilità e la chiarezza delle immagini.

(basato su 5 recensioni dei lettori)

Titolo originale:

TensorFlow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges

Contenuto del libro:

Approfondisci le tecniche più avanzate per adattare i processi di formazione e aumentare le prestazioni dei modelli di visione computerizzata utilizzando tecniche di apprendimento automatico e di deep learning.

Caratteristiche principali:

⬤ Sviluppare, addestrare e utilizzare algoritmi di deep learning per attività di computer vision utilizzando TensorFlow 2.x.

⬤ Scoprire ricette pratiche per superare le varie sfide affrontate durante la costruzione di modelli di computer vision.

⬤ Consentire alle macchine di acquisire una comprensione di livello umano per riconoscere e analizzare immagini e video digitali.

Descrizione del libro:

La computer vision è un campo scientifico che consente alle macchine di identificare ed elaborare immagini e video digitali. Questo libro si concentra su ricette indipendenti per aiutarvi a eseguire varie attività di computer vision utilizzando TensorFlow.

Il libro inizia illustrando le basi dell'apprendimento profondo per la computer vision e le caratteristiche principali di TensorFlow 2.x, come le API Keras e tf. data. Dataset. Verranno quindi illustrati i vantaggi e gli svantaggi delle più comuni attività di computer vision, come la classificazione delle immagini, l'apprendimento per trasferimento, il miglioramento e lo styling delle immagini e il rilevamento degli oggetti. Il libro tratta anche gli autoencoder in domini quali gli indici di ricerca inversa delle immagini e il denoising delle immagini, offrendo al contempo approfondimenti sulle varie architetture utilizzate nelle ricette, come le reti neurali convoluzionali (CNN), le CNN basate su regioni (R-CNN), le VGGNet e You Only Look Once (YOLO).

Scoprirete poi trucchi e suggerimenti per risolvere i problemi che si presentano durante la realizzazione di varie applicazioni di computer vision. Infine, approfondirete argomenti più avanzati come le reti avversarie generative (GAN), l'elaborazione video e l'AutoML, per concludere con una sezione dedicata alle tecniche per aumentare le prestazioni delle reti.

Alla fine di questo libro su TensorFlow, sarete in grado di affrontare con sicurezza un'ampia gamma di problemi di computer vision utilizzando TensorFlow 2. x.

Che cosa imparerete?

⬤ Capire come rilevare gli oggetti utilizzando modelli all'avanguardia come YOLOv3.

⬤ Utilizzare AutoML per prevedere il sesso e l'età dalle immagini.

⬤ Segmentare le immagini utilizzando approcci diversi come FCN e modelli generativi.

⬤ Imparare a migliorare le prestazioni della rete utilizzando l'accuratezza rank-N, lo smoothing delle etichette e l'aumento del tempo di test.

⬤ Consentire alle macchine di riconoscere le emozioni delle persone nei video e nei flussi in tempo reale.

⬤ Accedere e riutilizzare modelli avanzati di TensorFlow Hub per eseguire la classificazione delle immagini e il rilevamento degli oggetti.

⬤ Generare didascalie per le immagini utilizzando CNN e RNN.

A chi è rivolto questo libro:

Questo libro si rivolge a sviluppatori e ingegneri di computer vision, nonché a chi si occupa di deep learning e cerca soluzioni immediate a vari problemi che si presentano comunemente nella computer vision. Scoprirete come impiegare le moderne tecniche di apprendimento automatico (ML) e le architetture di deep learning per eseguire una pletora di compiti di computer vision. È richiesta una conoscenza di base della programmazione Python e della computer vision.