برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Mastering Opencv 3

دانلود کتاب تسلط بر Opencv 3

مشخصات کتاب

Mastering Opencv 3

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 2 
نویسندگان: Daniel Lelis Baggio,  Shervin Emami,  David Millan Escriva,  Ievgen Khvedchenia,  Jason Saragih,  Roy Shilkrot  
سری:  
ISBN (شابک) : 1786467178, 9781786467171 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 244 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 مگابایت

قیمت کتاب (تومان) : 31,000

کلمات کلیدی مربوط به کتاب تسلط بر Opencv 3: هوش مصنوعی، بینایی کامپیوتر، OpenCV، تشخیص چهره، ماشین‌های بردار پشتیبانی، تشخیص تصویر، رزبری پای

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 26

در صورت تبدیل فایل کتاب Mastering Opencv 3 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 تسلط بر Opencv 3 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 تسلط بر Opencv 3

پروژه های عملی کامپیوتر ویژن درباره این کتاب • این کتاب به‌روزرسانی شده برای OpenCV 3، ویژگی‌های جدیدی را پوشش می‌دهد که به شما کمک می‌کند تا پتانسیل کامل OpenCV 3 را باز کنید. • نوشته شده توسط تیمی متشکل از 7 متخصص، هر فصل جنبه جدیدی از OpenCV را بررسی می‌کند تا به شما کمک کند تا برنامه‌های کاربردی آگاه از بینایی کامپیوتری شگفت‌انگیز ایجاد کنید. • رویکرد مبتنی بر پروژه با هر فصل که یک آموزش کامل است، به شما نشان می دهد چگونه OpenCV را برای حل مشکلات کامل اعمال کنید. این کتاب برای چه کسی است این کتاب برای کسانی است که دانش اولیه OpenCV دارند و برنامه نویس C++ ماهر هستند. شما باید درک درستی از برخی از مفاهیم نظری/ریاضی بیشتری داشته باشید، زیرا ما به سرعت در سراسر کتاب حرکت می کنیم. آنچه شما یاد خواهید گرفت • عملیات اولیه پردازش تصویر را اجرا کنید و یک تصویر را کارتونی کنید • یک پروژه OpenCV به صورت بومی با Raspberry Pi بسازید و آن را برای Raspberry Pi.text به صورت متقابل کامپایل کنید. • الگوریتم ردیابی ویژگی طبیعی را برای پشتیبانی از ردیابی چندین هدف تصویر در یک ویدیو گسترش دهید • از چارچوب تجسم سه بعدی جدید OpenCV 3 برای نشان دادن هندسه صحنه سه بعدی استفاده کنید • ایجاد یک برنامه کاربردی برای تشخیص خودکار پلاک شماره (ANPR) با استفاده از ماشین بردار پشتیبانی و شبکه های عصبی مصنوعی • آموزش و پیش بینی الگوریتم های تشخیص الگو برای تصمیم گیری در مورد اینکه آیا یک تصویر یک پلاک است • از POSIT برای حالت شش درجه آزادی سر استفاده کنید • آموزش یک پایگاه داده تشخیص چهره با استفاده از یادگیری عمیق و تشخیص چهره ها از آن پایگاه داده

توضیحاتی درمورد کتاب به خارجی

Practical Computer Vision Projects About This Book • Updated for OpenCV 3, this book covers new features that will help you unlock the full potential of OpenCV 3 • Written by a team of 7 experts, each chapter explores a new aspect of OpenCV to help you make amazing computer-vision aware applications • Project-based approach with each chapter being a complete tutorial, showing you how to apply OpenCV to solve complete problems Who This Book Is For This book is for those who have a basic knowledge of OpenCV and are competent C++ programmers. You need to have an understanding of some of the more theoretical/mathematical concepts, as we move quite quickly throughout the book. What You Will Learn • Execute basic image processing operations and cartoonify an image • Build an OpenCV project natively with Raspberry Pi and cross-compile it for Raspberry Pi.text • Extend the natural feature tracking algorithm to support the tracking of multiple image targets on a video • Use OpenCV 3's new 3D visualization framework to illustrate the 3D scene geometry • Create an application for Automatic Number Plate Recognition (ANPR) using a support vector machine and Artificial Neural Networks • Train and predict pattern-recognition algorithms to decide whether an image is a number plate • Use POSIT for the six degrees of freedom head pose • Train a face recognition database using deep learning and recognize faces from that database