Deep Learning in Visual Computing: Explanations and Examples

یادگیری عمیق یک نهاد هوشمند مصنوعی است که خود را آموزش می دهد و می تواند برای پیش بینی استفاده شود. یادگیری عمیق مغز انسان را تقلید می کند و راه حل های آموخته شده ای را برای رسیدگی به بسیاری از مشکلات چالش برانگیز در زمینه محاسبات بصری ارائه می دهد. از تشخیص اشیا تا طبقه‌بندی تصویر برای تشخیص، یادگیری عمیق قدرت شبکه‌های عصبی عمیق مصنوعی را در حل مسائل محاسباتی بصری دنیای واقعی با دقت فوق‌العاده نشان داده است. معرفی یادگیری عمیق در زمینه محاسبات بصری به معنای مرگ بیشتر تکنیک های سنتی پردازش تصویر و بینایی کامپیوتری است. امروزه یادگیری عمیق به عنوان قدرتمندترین، دقیق‌ترین، کارآمدترین و مؤثرترین روش با پتانسیل حل بسیاری از چالش‌برانگیزترین مسائل در محاسبات بصری در نظر گرفته می‌شود.

این کتاب ارائه می‌دهد. بینشی در مورد یادگیری ماشین عمیق و چالش های موجود در محاسبات بصری برای مقابله با روش جدید یادگیری ماشین. خوانندگان را با دنیای معماری شبکه های عصبی عمیق با توضیحاتی آسان و قابل درک آشنا می کند. از تشخیص چهره تا طبقه‌بندی تصویر برای تشخیص سرطان، این کتاب نمونه‌های منحصربه‌فردی از مشکلات حل شده در محاسبات بصری کاربردی با استفاده از یادگیری عمیق را ارائه می‌دهد. خوانندگان علاقه مند و مشتاق روش های مدرن یادگیری ماشینی این کتاب را به راحتی دنبال می کنند. آنها آن را راهنمای مفیدی برای طراحی و اجرای پروژه های خود در زمینه محاسبات بصری خواهند یافت.

Deep learning is an artificially intelligent entity that teaches itself and can be utilized to make predictions. Deep learning mimics the human brain and provides learned solutions addressing many challenging problems in the area of visual computing. From object recognition to image classification for diagnostics, deep learning has shown the power of artificial deep neural networks in solving real world visual computing problems with super-human accuracy. The introduction of deep learning into the field of visual computing has meant to be the death of most of the traditional image processing and computer vision techniques. Today, deep learning is considered to be the most powerful, accurate, efficient and effective method with the potential to solve many of the most challenging problems in visual computing.

This book provides an insight into deep machine learning and the challenges in visual computing to tackle the novel method of machine learning. It introduces readers to the world of deep neural network architectures with easy-to-understand explanations. From face recognition to image classification for diagnosis of cancer, the book provides unique examples of solved problems in applied visual computing using deep learning. Interested and enthusiastic readers of modern machine learning methods will find this book easy to follow. They will find it a handy guide for designing and implementing their own projects in the field of visual computing.