توضیحات
Welcome to the ImageNet Bundle of Deep Learning for Computer Vision with Python, the final volume in the series. This volume is meant to be the most advanced in terms of content, covering techniques that will enable you to reproduce results of state-of-the-art publications, papers, and talks. To help keep this work organized, I’ve structured the ImageNet Bundle in two parts.
In the first part, we’ll explore the ImageNet dataset in detail and learn how to train state-of-the art deep networks including AlexNet, VGGNet, GoogLeNet, ResNet, and SqueezeNet from scratch, obtaining as similar accuracies as possible as their respective original works. In order to accomplish this goal, well need to call on all of our skills from the Starter Bundle and Practitioner Bundle.
The second part of this book focuses on case studies real-world applications of applying deep learning and computer vision to solve a particular problem. We’ll first start off by training a CNN from scratch to recognition emotions/facial expressions of people in real-time video streams. From there well use transfer learning via feature extraction to automatically detect and correct image orientation. A second case study on transfer learning (this time via fine-tuning) will enable us to recognize over 164 vehicle makes and models in images. A model such as this one could enable you to create an intelligent highway billboard system that displays targeted information or advertising to the driver based on what type of vehicle they are driving. Our final case study will demonstrate how to train a CNN to correctly predict the age and gender of a person in a photo.
————————————————————–
ترجمه ماشینی :
به بسته نرم افزاری ImageNet آموزش عمیق برای بینایی کامپیوتر با پایتون، جلد نهایی این مجموعه خوش آمدید. این جلد از نظر محتوا پیشرفتهترین کتاب است و تکنیکهایی را پوشش میدهد که به شما امکان میدهد نتایج جدیدترین نشریات، مقالات و گفتگوها را بازتولید کنید. برای کمک به سازماندهی این کار، من بسته نرم افزاری ImageNet را در دو بخش ساختار داده ام. در قسمت اول، مجموعه داده ImageNet را با جزئیات بررسی می کنیم و یاد می گیریم که چگونه شبکه های عمیق پیشرفته از جمله AlexNet، VGGNet، GoogLeNet، ResNet، و SqueezeNet را از ابتدا آموزش دهیم و تا حد امکان دقت مشابهی را به دست آوریم. آثار اصلی مربوطه برای دستیابی به این هدف، باید تمام مهارتهای خود را از مجموعه Starter Bundle و Practitioner Bundle استفاده کنیم. بخش دوم این کتاب بر روی کاربردهای دنیای واقعی استفاده از یادگیری عمیق و بینایی کامپیوتری برای حل یک مشکل خاص تمرکز دارد. ما ابتدا با آموزش یک CNN از ابتدا شروع میکنیم تا احساسات/حالات چهره افراد را د
tag : دانلود کتاب یادگیری عمیق برای بینایی کامپیوتر با پایتون , Download یادگیری عمیق برای بینایی کامپیوتر با پایتون , دانلود یادگیری عمیق برای بینایی کامپیوتر با پایتون , Download Deep Learning for Computer Vision with Python Book , یادگیری عمیق برای بینایی کامپیوتر با پایتون دانلود , buy یادگیری عمیق برای بینایی کامپیوتر با پایتون , خرید کتاب یادگیری عمیق برای بینایی کامپیوتر با پایتون , دانلود کتاب Deep Learning for Computer Vision with Python , کتاب Deep Learning for Computer Vision with Python , دانلود Deep Learning for Computer Vision with Python , خرید Deep Learning for Computer Vision with Python , خرید کتاب Deep Learning for Computer Vision with Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.