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: Michael Beyeler, Prateek Joshi, Joseph Howse سری: ISBN (شابک) : 9781787123847, 1787123847 ناشر: Packt Publishing سال نشر: 2016 تعداد صفحات: 558 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 37 Mb
در صورت تبدیل فایل کتاب OpenCV : computer vision projects with Python : get savvy with OpenCV and actualize cool computer vision applications : a course in three modules 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 OpenCV: پروژه های بینایی کامپیوتر با پایتون: با OpenCV آشنا شوید و برنامه های کاربردی بینایی کامپیوتری جالب را به کار بگیرید: دوره ای در سه ماژول 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.
با OpenCV آشنا شوید و برنامه های کاربردی بینایی کامپیوتری جالب را به کار بگیرید درباره این کتاب از اتصالات پایتون OpenCV برای ضبط ویدیو، دستکاری تصاویر و ردیابی اشیاء استفاده کنید درباره عملکردهای مختلف OpenCV و پیاده سازی واقعی آنها بیاموزید. با استفاده از OpenCV و Python Who Is For مجموعه ای از پروژه های متوسط تا پیشرفته را توسعه دهید. این مسیر یادگیری شما را از یک مبتدی به یک متخصص در برنامه های بینایی کامپیوتر با استفاده از OpenCV می رساند. برنامه OpenCV بسیار زیاد است و این مسیر یادگیری بهترین منبع برای آشنایی کامل با OpenCV است. آنچه یاد خواهید گرفت OpenCV و نرم افزارهای مرتبط مانند Python، NumPy، SciPy، OpenNI، و SensorKinect را نصب کنید - همه در ویندوز، مک یا اوبونتو از "منحنی ها" و سایر تغییرات رنگی برای شبیه سازی ظاهر عکس ها، فیلم ها یا بازی های ویدیویی قدیمی استفاده کنید. اعمال تغییرات هندسی بر روی تصاویر، انجام فیلتر کردن تصویر، و تبدیل تصویر به تصویری شبیه به کارتونی. حرکت دوربین و تکنیکهای رایج بازپرداخت دوربین تشخیص و تشخیص علائم خیابان با استفاده از طبقهبندیکننده آبشاری و پشتیبانی از ماشینهای برداری (SVM) شناسایی عبارات احساسی در چهره انسان با استفاده از شبکههای عصبی کانولوشن (CNN) و SVM. مهارتهای OpenCV2 خود را تقویت کنید و یاد بگیرید چگونه از ویژگیهای جدید OpenCV3 استفاده کنید. In Detail OpenCV یک کتابخانه بینایی کامپیوتری پیشرفته است که طیف وسیعی از عملیات پردازش تصویر و ویدئو را امکان پذیر می کند. OpenCV برای پایتون ما را قادر می سازد تا الگوریتم های بینایی کامپیوتر را در زمان واقعی اجرا کنیم. این مسیر آموزشی پیشنهاد می کند تا موضوعات زیر را آموزش دهد. ابتدا یاد خواهیم گرفت که چگونه با OpenCV و OpenCV3 Python API شروع کنیم و یک برنامه بینایی کامپیوتری ایجاد کنیم که اعضای بدن را ردیابی می کند. سپس، ما برنامه های بینایی کامپیوتری سطح متوسط شگفت انگیزی مانند ناپدید شدن یک شی از تصویر، شناسایی اشکال مختلف، بازسازی یک نقشه سه بعدی از تصاویر، و ساخت یک برنامه واقعیت افزوده خواهیم ساخت، در نهایت، به پروژه های پیشرفته تر خواهیم رفت. مانند تشخیص ژست دست، ردیابی اشیاء برجسته بصری، و همچنین تشخیص علائم راهنمایی و رانندگی و احساسات روی چهره ها به ترتیب با استفاده از ماشین های بردار پشتیبان و پرسپترون های چند لایه. این مسیر یادگیری برخی از بهترینهایی را که Packt ارائه میدهد در یک بسته کامل و منتخب ترکیب میکند. این شامل محتوایی از محصولات بسته زیر است: OpenCV Computer Vision with Python نوشته Joseph Howse OpenCV with Python By Example by Prateek Joshi OpenCV with Python Blueprints by Michael Beyeler سبک و رویکرد این دوره با هدف ایجاد یک مسیر یادگیری هموار است که به شما یاد می دهد چگونه start with یاد خواهد گرفت که چگونه با OpenCV و OpenCV 3 Python API شروع کرده و برنامه های کاربردی بینایی کامپیوتری عالی توسعه دهد. از طریق این دوره جامع، شما یاد خواهید گرفت که برنامه های بینایی کامپیوتری را از ابتدا تا انتها و موارد دیگر ایجاد کنید.
Get savvy with OpenCV and actualize cool computer vision applications About This Book Use OpenCV's Python bindings to capture video, manipulate images, and track objects Learn about the different functions of OpenCV and their actual implementations. Develop a series of intermediate to advanced projects using OpenCV and Python Who This Book Is For This learning path is for someone who has a working knowledge of Python and wants to try out OpenCV. This Learning Path will take you from a beginner to an expert in computer vision applications using OpenCV. OpenCV's application are humongous and this Learning Path is the best resource to get yourself acquainted thoroughly with OpenCV. What You Will Learn Install OpenCV and related software such as Python, NumPy, SciPy, OpenNI, and SensorKinect - all on Windows, Mac or Ubuntu Apply "curves" and other color transformations to simulate the look of old photos, movies, or video games Apply geometric transformations to images, perform image filtering, and convert an image into a cartoon-like image Recognize hand gestures in real time and perform hand-shape analysis based on the output of a Microsoft Kinect sensor Reconstruct a 3D real-world scene from 2D camera motion and common camera reprojection techniques Detect and recognize street signs using a cascade classifier and support vector machines (SVMs) Identify emotional expressions in human faces using convolutional neural networks (CNNs) and SVMs Strengthen your OpenCV2 skills and learn how to use new OpenCV3 features In Detail OpenCV is a state-of-art computer vision library that allows a great variety of image and video processing operations. OpenCV for Python enables us to run computer vision algorithms in real time. This learning path proposes to teach the following topics. First, we will learn how to get started with OpenCV and OpenCV3's Python API, and develop a computer vision application that tracks body parts. Then, we will build amazing intermediate-level computer vision applications such as making an object disappear from an image, identifying different shapes, reconstructing a 3D map from images , and building an augmented reality application, Finally, we'll move to more advanced projects such as hand gesture recognition, tracking visually salient objects, as well as recognizing traffic signs and emotions on faces using support vector machines and multi-layer perceptrons respectively. This Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products: OpenCV Computer Vision with Python by Joseph Howse OpenCV with Python By Example by Prateek Joshi OpenCV with Python Blueprints by Michael Beyeler Style and approach This course aims to create a smooth learning path that will teach you how to get started with will learn how to get started with OpenCV and OpenCV 3's Python API, and develop superb computer vision applications. Through this comprehensive course, you'll learn to create computer vision applications from scratch to finish and more!.