دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Hands-On Computer Vision with Julia
دانلود کتاب بینایی کامپیوتری دستی با جولیا
مشخصات کتاب
Hands-On Computer Vision with Julia
دسته بندی: الگوریتم ها و ساختارهای داده ها: پردازش تصویر ویرایش: نویسندگان: Dmitrijs Cudihins سری: ISBN (شابک) : 9781788998796 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
قیمت کتاب (تومان) : 56,000
کلمات کلیدی مربوط به کتاب بینایی کامپیوتری دستی با جولیا: کامپیوتر ویژن، جولیا، شبکه های عصبی
در صورت تبدیل فایل کتاب Hands-On Computer Vision with Julia 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 کامپیوتری دستی با جولیا 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.
توضیحاتی در مورد کتاب بینایی کامپیوتری دستی با جولیا
Hands-On Computer Vision with Julia یک راهنمای کامل برای توسعه دهندگانی است که می خواهند با استفاده از جولیا برنامه های بینایی کامپیوتری را بسازند. جولیا برای پردازش تصویر بسیار مناسب است زیرا استفاده از آن آسان است و به شما امکان می دهد کدهای ماشینی با کامپایل آسان و کارآمد بنویسید. این کتاب با معرفی کتابخانه های پردازش تصویر جولیا مانند Images.jl و ImageCore.jl آغاز می شود. با استفاده از JuliaImages با تجزیه و تحلیل و تبدیل تصاویر آشنا خواهید شد. برخی از تکنیک های مورد بحث شامل بهبود و تنظیم تصاویر است. همانطور که راه خود را از طریق فصل ها طی می کنید، یاد خواهید گرفت که چگونه تصاویر را طبقه بندی کنید، آنها را خوشه بندی کنید و از شبکه های عصبی برای حل مشکلات بینایی کامپیوتری استفاده کنید. در فصل های پایانی، برنامه های OpenCV را برای انجام تجزیه و تحلیل بینایی کامپیوتری در زمان واقعی، به عنوان مثال، تشخیص چهره و ردیابی اشیا بررسی خواهید کرد. همچنین تعامل جولیا با Tesseract را برای انجام تشخیص نوری کاراکترها و ساختن برنامه‌ای که تمام تکنیک‌هایی را که قبلاً معرفی کرده‌ایم برای تجمیع مفاهیم آموخته شده گرد هم می‌آورد، درک خواهید کرد. در پایان کتاب، نحوه استفاده از بسته‌های مختلف جولیا و چند کتابخانه منبع باز مانند Tesseract و OpenCV را برای حل مشکلات بینایی رایانه به راحتی درک خواهید کرد. آنچه خواهید آموخت فراداده تصویر را تجزیه و تحلیل کنید و داده های مهم را با استفاده از JuliaImages شناسایی کنید اعمال فیلترها و بهبود کیفیت تصویر و طرح های رنگی استخراج ویژگی های دو بعدی برای مقایسه تصویر با استفاده از JuliaFeatures تصاویر را با الگوریتم های یادگیری ماشین KNN/SVM خوشه بندی و طبقه بندی کنید با استفاده از کتابخانه Tesseract متن را در یک تصویر تشخیص دهید از OpenCV برای تشخیص اشیا یا چهره های خاص در تصاویر و ویدیوها استفاده کنید ساخت شبکه عصبی و طبقه بندی تصاویر با MXNet این کتاب برای چه کسی است Hands-On Computer Vision with Julia برای توسعه دهندگان جولیا است که علاقه مند به یادگیری نحوه انجام پردازش تصویر هستند و می خواهند در زمینه بینایی رایانه کشف کنند. دانش اولیه جولیا به شما کمک می کند تا مفاهیم را به طور موثرتری درک کنید.
توضیحاتی درمورد کتاب به خارجی
Hands-On Computer Vision with Julia is a thorough guide for developers who want to get started with building computer vision applications using Julia. Julia is well suited to image processing because it's easy to use and lets you write easy-to-compile and efficient machine code. This book begins by introducing you to Julia's image processing libraries such as Images.jl and ImageCore.jl. You'll get to grips with analyzing and transforming images using JuliaImages; some of the techniques discussed include enhancing and adjusting images. As you make your way through the chapters, you'll learn how to classify images, cluster them, and apply neural networks to solve computer vision problems. In the concluding chapters, you will explore OpenCV applications to perform real-time computer vision analysis, for example, face detection and object tracking. You will also understand Julia's interaction with Tesseract to perform optical character recognition and build an application that brings together all the techniques we introduced previously to consolidate the concepts learned. By end of the book, you will have understood how to utilize various Julia packages and a few open source libraries such as Tesseract and OpenCV to solve computer vision problems with ease. What you will learn Analyze image metadata and identify critical data using JuliaImages Apply filters and improve image quality and color schemes Extract 2D features for image comparison using JuliaFeatures Cluster and classify images with KNN/SVM machine learning algorithms Recognize text in an image using the Tesseract library Use OpenCV to recognize specific objects or faces in images and videos Build neural network and classify images with MXNet Who This Book Is For Hands-On Computer Vision with Julia is for Julia developers who are interested in learning how to perform image processing and want to explore the field of computer vision. Basic knowledge of Julia will help you understand the concepts more effectively.
فهرست مطالب
Cover Title Page Copyright and Credits Packt Upsell Contributors Table of Contents Preface Chapter 1: Getting Started with JuliaImages Technical requirements Setting up your Julia Installing packages Reading images Reading a single image from disk Reading a single image from a URL Reading images in a folder Saving images Using test images Previewing images Cropping, scaling, and resizing Cropping an image Resizing an image Scaling an image Scaling by percentage Scaling to a specific dimension Scaling by two-fold Rotating images Summary Questions Chapter 2: Image Enhancement Technical requirements Images as arrays Accessing pixels Converting images into arrays of numbers Converting arrays of numbers into colors Changing color saturation Converting an image to grayscale Creating a custom color filter Applying image filters Padding images Padding with a constant value Padding by duplicating content from an image Blurring images Sharpening images Summary Questions Chapter 3: Image Adjustment Technical requirements Image binarization Fundamental operations Image erosion Object separation using erosion Image preparation for text recognition Image dilation Merging almost-connected objects Highlighting details Derived operations Image opening Image closing Top-hat and bottom-hat operation Adjusting image contrast Summary Questions Chapter 4: Image Segmentation Technical requirements Supervised methods Seeded region growing Identifying a simple object Identifying a complex object Unsupervised methods The graph-based approach The fast scanning approach Helper functions Summary Questions Further reading Chapter 5: Image Representation Technical requirements Understanding features and descriptors FAST corner detection Corner detection using the imcorner function Comparing performance BRIEF – efficient duplicate detection method Identifying image duplicates Creating a panorama from many images ORB, rotation invariant image matching BRISK – scale invariant image matching FREAK – fastest scale and rotation invariant matching Running face recognition Summary Questions Chapter 6: Introduction to Neural Networks Technical requirements Introduction The need for neural networks The need for MXNet First steps with the MNIST dataset Getting the data Preparing the data Defining a neural network Fitting the network Improving the network Predicting new images Putting it all together Multiclass classification with the CIFAR-10 dataset Getting and previewing the dataset Preparing the data Starting with the linear classifier Reusing the MNIST architecture Improving the network Accuracy – why at almost 70 Putting it all together Classifying cats versus dogs Getting and previewing the dataset Creating an image data iterator Training the model Putting it all together Reusing your models Saving the model Loading the model Summary Questions Further reading Chapter 7: Using Pre-Trained Neural Networks Technical requirements Introduction to pre-trained networks Transfer learning MXNet Model Zoo Predicting image classes using Inception V3 Setting up the Inception V3 environment Loading the network Preparing the datasets Running predictions Expected performance Putting it all together Predicting an image class using MobileNet V2 Setting up the environment Loading the network Preparing the datasets Running the predictions Expected performance Putting it all together Extracting features generated by Inception V3 Preparing the network Removing the last Softmax and FullyConnected layers Predicting features of an image Saving the network to disk Extracting features generated by MobileNet V2 Preparing the network Removing the last Softmax and FullyConnected layers Predicting features of an image Saving the network to disc Putting it all together Transfer learning with Inception V3 Getting the data Preparing the dataset Extracting features Creating a new network Training and validating the results Summary Questions Further reading Chapter 8: OpenCV Technical requirements Troubleshooting installation of Open CV Troubleshooting installation on macOS First steps with OpenCV Updating OpenCV package source code Defining Open CV location Testing whether OpenCV works Working with images Converting OpenCV Mat to Julia images Reading images Saving images Destroying the object Image capturing from web camera Face detection using Open CV Object detection using MobileNet-SSD Summary Questions Appendix: Assessments Other Books You May Enjoy Index
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Mathematical Basics of Motion and Deformation in Computer Graphics: Second Edition
دانلود کتاب Dictionary of Computer Vision and Image Processing
دانلود کتاب Biometric inverse problems
دانلود کتاب Multidimensional signal, image, and video processing and coding
دانلود کتاب 3D Scientific Visualization with Blender
دانلود کتاب Spatio-Temporal Image Processing: Theory and Scientific Applications
دانلود کتاب Photoshop Elements 12 All-in-One For Dummies
دانلود کتاب Hexagonal Image Processing. A Practical Approach
