دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Vaibhav Verdhan
سری:
ISBN (شابک) : 1484266153, 9781484266151
ناشر: Apress
سال نشر: 2021
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Computer Vision Using Deep Learning: Neural Network Architectures with Python and Keras به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بینایی کامپیوتر با استفاده از یادگیری عمیق: معماری شبکه های عصبی با پایتون و کراس نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
سازمانها منابع عظیمی را صرف توسعه نرمافزاری میکنند که بتواند مانند یک انسان عمل کند. طبقه بندی تصویر، تشخیص و ردیابی اشیا، تخمین ژست، تشخیص چهره و تخمین احساسات، همگی نقش مهمی در حل مشکلات بینایی کامپیوتر دارند. این کتاب این و دیگر معماریها و تکنیکهای یادگیری عمیق را مورد توجه قرار میدهد تا به شما در ایجاد راهحلهایی با استفاده از Keras و کتابخانه TensorFlow کمک کند. همچنین چندین معماری شبکه عصبی از جمله LeNet، AlexNet، VGG، Inception، R-CNN، Fast R-CNN، Faster R-CNN، Mask R-CNN، YOLO، و SqueezeNet را بررسی خواهید کرد و خواهید دید که چگونه در کنار کد پایتون کار می کنند. از طریق بهترین شیوه ها، نکات، ترفندها، میانبرها و دام ها. تمام قطعات کد شکسته می شوند و به طور کامل مورد بحث قرار می گیرند تا بتوانید همان اصول را در محیط های مربوطه خود پیاده سازی کنید. Computer Vision Using Deep Learning یک راهنمای جامع و در عین حال مختصر ارائه می دهد که DL و CV را برای خودکارسازی عملیات، کاهش مداخلات انسانی، افزایش قابلیت و کاهش هزینه ها به یکدیگر متصل می کند. آنچه می آموزید کدها و مفاهیم یادگیری عمیق را بررسی کنید تا اصول راهنما را در پروژه های خود به کار ببرید. معماری های مختلف را طبقه بندی و ارزیابی کنید تا گزینه های خود را در موارد استفاده مختلف بهتر درک کنید به پشت صحنه عملکردهای یادگیری عمیق اولیه بروید تا بفهمید چگونه کار می کنند Who This کتاب برای پزشکان حرفه ای است که در زمینه های مهندسی نرم افزار و علم داده کار می کنند. دانش کاری پایتون اکیداً توصیه می شود. دانشجویان و مبتکرانی که بر روی مدارک پیشرفته در زمینه های مرتبط با بینایی کامپیوتر و یادگیری عمیق کار می کنند.
Organizations spend huge resources in developing software that can perform the way a human does. Image classification, object detection and tracking, pose estimation, facial recognition, and sentiment estimation all play a major role in solving computer vision problems. This book will bring into focus these and other deep learning architectures and techniques to help you create solutions using Keras and the TensorFlow library. You'll also review mutliple neural network architectures, including LeNet, AlexNet, VGG, Inception, R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN, YOLO, and SqueezeNet and see how they work alongside Python code via best practices, tips, tricks, shortcuts, and pitfalls. All code snippets will be broken down and discussed thoroughly so you can implement the same principles in your respective environments. Computer Vision Using Deep Learning offers a comprehensive yet succinct guide that stitches DL and CV together to automate operations, reduce human intervention, increase capability, and cut the costs. What You'll Learn Examine deep learning code and concepts to apply guiding principals to your own projects Classify and evaluate various architectures to better understand your options in various use cases Go behind the scenes of basic deep learning functions to find out how they work Who This Book Is For Professional practitioners working in the fields of software engineering and data science. A working knowledge of Python is strongly recommended. Students and innovators working on advanced degrees in areas related to computer vision and Deep Learning.