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: 1st ed.
نویسندگان: Himanshu Singh
سری:
ISBN (شابک) : 9781484241486, 9781484241493
ناشر: Apress
سال نشر: 2019
تعداد صفحات: 177
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری عملی ماشین و پردازش تصویر: برای تشخیص چهره ، تشخیص اشیا و تشخیص الگو با استفاده از پایتون: علوم کامپیوتر، زبان های برنامه نویسی، کامپایلرها، مترجمان، متن باز، پایتون
در صورت تبدیل فایل کتاب Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python 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 عملی ماشین و پردازش تصویر: برای تشخیص چهره ، تشخیص اشیا و تشخیص الگو با استفاده از پایتون 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 استفاده از یادگیری ماشین و شبکه های عصبی در پایتون، بینشی
در مورد روش ها و الگوریتم های پردازش تصویر به دست آورید. این
کتاب با تنظیمات محیط، درک اصطلاحات اولیه پردازش تصویر و بررسی
مفاهیم پایتون که برای پیاده سازی الگوریتم های مورد بحث در
کتاب مفید خواهد بود، آغاز می شود. سپس قبل از رفتن به بزرگترین
کتابخانه بینایی کامپیوتری: OpenCV، همه الگوریتم های اصلی
پردازش تصویر را با جزئیات پوشش خواهید داد. الگوریتم های
OpenCV و نحوه استفاده از آنها برای پردازش تصویر را خواهید
دید.
بخش بعدی به روشهای یادگیری ماشینی پیشرفته و یادگیری عمیق
برای پردازش و طبقهبندی تصویر میپردازد. شما با مفاهیمی مانند
شبکه های عصبی جفت شده پالس، AdaBoost، تقویت XG و شبکه های
عصبی کانولوشنال برای برنامه های خاص تصویر کار خواهید کرد.
بعداً بررسی خواهید کرد که چگونه مدلها در زمان واقعی ساخته
میشوند و سپس با استفاده از ابزارهای مختلف DevOps به کار
گرفته میشوند.
همه مفاهیم در یادگیری ماشین عملی و پردازش تصویر با
استفاده از سناریوهای واقعی توضیح داده شده است. پس از خواندن
این کتاب، میتوانید تکنیکهای پردازش تصویر را اعمال کنید و
مدلهای یادگیری ماشینی را برای کاربردهای سفارشیسازی شده
بسازید.
آنچه خواهید آموخت
Gain insights into image-processing methodologies and
algorithms, using machine learning and neural networks in
Python. This book begins with the environment setup,
understanding basic image-processing terminology, and
exploring Python concepts that will be useful for
implementing the algorithms discussed in the book. You will
then cover all the core image processing algorithms in detail
before moving onto the biggest computer vision library:
OpenCV. You’ll see the OpenCV algorithms and how to use them
for image processing.
The next section looks at advanced machine learning and deep
learning methods for image processing and classification.
You’ll work with concepts such as pulse coupled neural
networks, AdaBoost, XG boost, and convolutional neural
networks for image-specific applications. Later you’ll
explore how models are made in real time and then deployed
using various DevOps tools.
All the concepts in Practical Machine Learning and Image
Processing are explained using real-life scenarios. After
reading this book you will be able to apply image processing
techniques and make machine learning models for customized
application.
What You Will Learn
Front Matter ....Pages i-xv
Setup Environment (Himanshu Singh)....Pages 1-6
Introduction to Image Processing (Himanshu Singh)....Pages 7-27
Basics of Python and Scikit Image (Himanshu Singh)....Pages 29-61
Advanced Image Processing Using OpenCV (Himanshu Singh)....Pages 63-88
Image Processing Using Machine Learning (Himanshu Singh)....Pages 89-132
Real-time Use Cases (Himanshu Singh)....Pages 133-149
Back Matter ....Pages 151-169