مشخصات کتاب

Machine Learning for OpenCV 4

ویرایش: [2nd edition] 
نویسندگان: Beyeler. Michael, Sharma. Aditya, Vishwesh Ravi Shrimali  
سری:  
 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 420 pages 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

در صورت تبدیل فایل کتاب Machine Learning for OpenCV 4 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 یادگیری ماشین برای OpenCV 4 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 یادگیری ماشین برای OpenCV 4

راهنمای عملی برای درک الگوریتم‌های اصلی یادگیری ماشین و یادگیری عمیق، و پیاده‌سازی آنها برای ایجاد سیستم‌های پردازش تصویر هوشمند با استفاده از OpenCV 4 ویژگی‌های کلیدی به دست آوردن بینش در مورد الگوریتم‌های یادگیری ماشین، و پیاده‌سازی آن‌ها با استفاده از OpenCV 4 و Sikit-Learn. اینتل OpenVINO و ادغام آن با OpenCV 4 مدل های یادگیری ماشینی با کارایی بالا را با نکات مفید و بهترین شیوه ها پیاده سازی می کند توضیحات کتاب OpenCV یک کتابخانه منبع باز برای ساخت برنامه های بینایی کامپیوتر است. آخرین نسخه، OpenCV 4، مجموعه ای از ویژگی ها و بهبودهای پلتفرم را ارائه می دهد که به طور جامع در این نسخه دوم به روز پوشش داده شده است. شما با درک ویژگی‌های جدید و راه‌اندازی OpenCV 4 برای ساخت برنامه‌های بینایی رایانه‌تان شروع می‌کنید. شما اصول یادگیری ماشینی را بررسی خواهید کرد و حتی یاد خواهید گرفت که الگوریتم های مختلفی را طراحی کنید که می توانند برای پردازش تصویر استفاده شوند. به تدریج، کتاب شما را به یادگیری ماشینی تحت نظارت و بدون نظارت می برد. شما با استفاده از Sikit-Learn در پایتون برای انواع برنامه های یادگیری ماشین تجربه عملی کسب خواهید کرد. فصل‌های بعدی بر روی الگوریتم‌های مختلف یادگیری ماشین تمرکز خواهند کرد، مانند درخت تصمیم، ماشین‌های بردار پشتیبان (SVM) و یادگیری بیزی، و اینکه چگونه می‌توان از آنها برای عملیات بینایی کامپیوتری تشخیص اشیا استفاده کرد. سپس به یادگیری عمیق و یادگیری گروهی می پردازید و کاربردهای واقعی آن ها مانند دسته بندی ارقام دست نویس و تشخیص حرکات را کشف خواهید کرد. در نهایت، با آخرین OpenVINO اینتل برای ساختن یک سیستم پردازش تصویر آشنا خواهید شد. در پایان این کتاب، شما مهارت‌هایی را که برای استفاده از یادگیری ماشین برای ساخت برنامه‌های بینایی کامپیوتری هوشمند با OpenCV 4 نیاز دارید، توسعه خواهید داد. آنچه یاد خواهید گرفت مفاهیم اصلی یادگیری ماشینی برای پردازش تصویر را درک کنید. طراحی الگوریتم یادگیری تکنیک های موثر برای آموزش مدل های یادگیری عمیق خود را کشف کنید مدل های یادگیری ماشین را برای بهبود عملکرد مدل های خود ارزیابی کنید الگوریتم هایی مانند ماشین های بردار پشتیبان و طبقه بندی کننده Bayes را در برنامه های بینایی کامپیوتر خود ادغام کنید از OpenVINO با OpenCV 4 برای تسریع استنتاج مدل استفاده کنید. این کتاب برای متخصصان بینایی کامپیوتر، توسعه دهندگان یادگیری ماشین یا هر کسی است که می خواهد الگوریتم های یادگیری ماشینی را یاد بگیرد و آنها را با استفاده از OpenCV 4 پیاده سازی کند. اگر می خواهید شرکتی در دنیای واقعی بسازید...

توضیحاتی درمورد کتاب به خارجی

A practical guide to understanding the core machine learning and deep learning algorithms, and implementing them to create intelligent image processing systems using OpenCV 4 Key Features Gain insights into machine learning algorithms, and implement them using OpenCV 4 and scikit-learn Get up to speed with Intel OpenVINO and its integration with OpenCV 4 Implement high-performance machine learning models with helpful tips and best practices Book Description OpenCV is an opensource library for building computer vision apps. The latest release, OpenCV 4, offers a plethora of features and platform improvements that are covered comprehensively in this up-to-date second edition. You'll start by understanding the new features and setting up OpenCV 4 to build your computer vision applications. You will explore the fundamentals of machine learning and even learn to design different algorithms that can be used for image processing. Gradually, the book will take you through supervised and unsupervised machine learning. You will gain hands-on experience using scikit-learn in Python for a variety of machine learning applications. Later chapters will focus on different machine learning algorithms, such as a decision tree, support vector machines (SVM), and Bayesian learning, and how they can be used for object detection computer vision operations. You will then delve into deep learning and ensemble learning, and discover their real-world applications, such as handwritten digit classification and gesture recognition. Finally, you'll get to grips with the latest Intel OpenVINO for building an image processing system. By the end of this book, you will have developed the skills you need to use machine learning for building intelligent computer vision applications with OpenCV 4. What you will learn Understand the core machine learning concepts for image processing Explore the theory behind machine learning and deep learning algorithm design Discover effective techniques to train your deep learning models Evaluate machine learning models to improve the performance of your models Integrate algorithms such as support vector machines and Bayes classifier in your computer vision applications Use OpenVINO with OpenCV 4 to speed up model inference Who this book is for This book is for Computer Vision professionals, machine learning developers, or anyone who wants to learn machine learning algorithms and implement them using OpenCV 4. If you want to build real-world Co...

نظرات کاربران

کتاب های تصادفی

دانلود کتاب LASER 2006: Proceedings of the 7th International Workshop on Application of Lasers in Atomic Nuclei Research “Nuclear Ground and Isometric State Properties” (LASER 2006) held in Poznán, Poland, 29 May–1 June 2006

دانلود کتاب Representations of Lie Algebras, Quantum Groups and Related Topics

دانلود کتاب 1001 Nachtschichten: Mordstorys am Fließband

دانلود کتاب Computer algebra algorithms for particle physics

دانلود کتاب Liquid Biopsies: Methods and Protocols