دانلود کتاب Building Computer Vision Applications Using Artificial Neural Networks: With Step-by-Step Examples in OpenCV and TensorFlow with Python – ساخت برنامه‌های بینایی کامپیوتری با استفاده از شبکه‌های عصبی مصنوعی: با مثال‌های گام به گام در OpenCV و TensorFlow با پایتون

توضیحات

Apply computer vision and machine learning concepts in developing business and industrial applications using a practical, step-by-step approach.

The book comprises four main sections starting with setting up your programming environment and configuring your computer with all the prerequisites to run the code examples. Section 1 covers the basics of image and video processing with code examples of how to manipulate and extract useful information from the images. You will mainly use OpenCV with Python to work with examples in this section.

Section 2 describes machine learning and neural network concepts as applied to computer vision. You will learn different algorithms of the neural network, such as convolutional neural network (CNN), region-based convolutional neural network (R-CNN), and YOLO. In this section, you will also learn how to train, tune, and manage neural networks for computer vision. Section 3 provides step-by-step examples of developing business and industrial applications, such as facial recognition in video surveillance and surface defect detection in manufacturing.

The final section is about training neural networks involving a large number of images on cloud infrastructure, such as Amazon AWS, Google Cloud Platform, and Microsoft Azure. It walks you through the process of training distributed neural networks for computer vision on GPU-based cloud infrastructure. By the time you finish reading Building Computer Vision Applications Using Artificial Neural Networks and working through the code examples, you will have developed some real-world use cases of computer vision with deep learning.

What You Will Learn

Employ image processing, manipulation, and feature extraction techniques

Work with various deep learning algorithms for computer vision

Train, manage, and tune hyperparameters of CNNs and object detection models, such as R-CNN, SSD, and YOLO

Build neural network models using Keras and TensorFlow

Discover best practices when implementing computer vision applications in business and industry

Train distributed models on GPU-based cloud infrastructure

Who This Book Is For

Data scientists, analysts, and machine learning and software engineering professionals with Python programming knowledge.

————————————————————–

ترجمه ماشینی :

مفاهیم بینایی کامپیوتر و یادگیری ماشین را در توسعه برنامه های کاربردی تجاری و صنعتی با استفاده از یک رویکرد عملی و گام به گام به کار ببرید.

این کتاب شامل چهار بخش اصلی است که با تنظیم محیط برنامه نویسی و پیکربندی محیط برنامه نویسی شما شروع می شود. کامپیوتر با تمام پیش نیازها برای اجرای نمونه کد. بخش 1 اصول اولیه پردازش تصویر و ویدئو را با مثال‌های کدی در مورد نحوه دستکاری و استخراج اطلاعات مفید از تصاویر پوشش می‌دهد. شما عمدتاً از OpenCV با پایتون برای کار با مثال‌های این بخش استفاده خواهید کرد.

بخش 2 مفاهیم یادگیری ماشین و شبکه‌های عصبی را که در بینایی کامپیوتر اعمال می‌شوند، توضیح می‌دهد. شما الگوریتم های مختلف شبکه عصبی مانند شبکه عصبی کانولوشن (CNN)، شبکه عصبی کانولوشن مبتنی بر منطقه (R-CNN) و YOLO را خواهید آموخت. در این بخش، نحوه آموزش، تنظیم و مدیریت شبکه های عصبی برای بینایی کامپیوتر را نیز یاد خواهید گرفت. بخش 3 نمونه های گام به گام توسعه برنامه های کاربردی تجاری و صنعتی را ارائه می دهد، مانند تشخیص چهره در نظارت تصویری و تشخیص عیوب سطحی در تولید.

بخش آخر در مورد آموزش شبکه های عصبی است که شامل تعداد زیادی از تصاویر در زیرساخت های ابری مانند Amazon AWS، Google Cloud Platform و Microsoft Azure. این شما را در فرآیند آموزش شبکه های عصبی توزیع شده برای بینایی رایانه در زیرساخت ابری مبتنی بر GPU راهنمایی می کند. زمانی که خواندن ساخت برنامه‌های بینایی کامپیوتری با استفاده از شبکه‌های عصبی مصنوعی و کار با نمونه‌های کد را به پایان می‌رسانید، برخی از موارد استفاده در دنیای واقعی از بینایی کامپیوتر با یادگیری عمیق را ایجاد کرده‌اید.

< p>آنچه یاد خواهید گرفت

از تکنیک های پردازش تصویر، دستکاری و استخراج ویژگی استفاده کنید

با الگوریتم های مختلف یادگیری عمیق برای بینایی کامپیوتر کار کنید

آموزش، مدیریت و تنظیم فراپارامترهای CNN و مدل‌های تشخیص اشیا، مانند R-CNN، SSD، و YOLO

ساخت مدل‌های شبکه عصبی با استفاده از Keras و TensorFlow< /p>

بهترین روش‌ها را هنگام پیاده‌سازی برنامه‌های بینایی رایانه در تجارت و صنعت کشف کنید

آموزش مدل‌های توزیع‌شده در زیرساخت‌های ابری مبتنی بر GPU

این کتاب برای چه کسی است< /b>