عنوان کتاب به انگلیسی: |
3D Deep Learning with Python: Design and develop your computer vision model with 3D data using PyTorch3D and more |
| سال انتشار: 2022 | 236 صفحه | حجم فایل: 7 مگابایت | زبان: انگلیسی |
| نویسنده | Xudong Ma, Vishakh Hegde, Lilit Yolyan |
| ناشر | Packt Publishing |
| ISBN10: | 1803247827 |
| ISBN13: | 9781803247823 |
توضیحات کتاب
Key FeaturesUnderstand 3D data processing with rendering, PyTorch optimization, and heterogeneous batching
Implement differentiable rendering concepts with practical examples
Discover how you can ease your work with the latest 3D deep learning techniques using PyTorch3DBook Description
With this hands-on guide to 3D deep learning, developers working with 3D computer vision will be able to put their knowledge to work and get up and running in no time.
Complete with step-by-step explanations of essential concepts and practical examples, this book lets you explore and gain a thorough understanding of state-of-the-art 3D deep learning. You’ll see how to use PyTorch3D for basic 3D mesh and point cloud data processing, including loading and saving ply and obj files, projecting 3D points into camera coordination using perspective camera models or orthographic camera models, rendering point clouds and meshes to images, and much more. As you implement some of the latest 3D deep learning algorithms, such as differential rendering, Nerf, synsin, and mesh RCNN, you’ll realize how coding for these deep learning models becomes easier using the PyTorch3D library.
By the end of this deep learning book, you’ll be ready to implement your own 3D deep learning models confidently.
What you will learn
Develop 3D computer vision models for interacting with the environment
Get to grips with 3D data handling with point clouds, meshes, ply, and obj file format
Work with 3D geometry, camera models, and coordination and convert between them
Understand concepts of rendering, shading, and more with ease
Implement differential rendering for many 3D deep learning models
Advanced state-of-the-art 3D deep learning models like Nerf, synsin, mesh RCNN
Who this book is for
This book is for beginner to intermediate-level machine learning practitioners, data scientists, ML engineers, and DL engineers who are looking to become well-versed with computer vision techniques using 3D data.
Table of Contents
3D data file formats – ply and obj, 3D coordination systems, camera models
Basic rendering concepts, basic PyTorch optimization, heterogeneous batching
Fitting using deformable mesh models
Differentiable rendering basic concepts
Differentiable volume rendering
NeRF – Neural Radiance Fields
GIRAFFE
Human body 3D fitting using SMPL models
Synsin – end-to-end view synthesis from a single image
Mesh RCNN
توضیحات کتاب به فارسی (ترجمه ماشینی)
با استفاده از PytorCh3D و سایر چارچوب های پایتون برای تسخیر چالش های کاربردی در دنیای واقعی با سهولت ، مدل های یادگیری عمیق را با داده های سه بعدی تجسم و ایجاد کنید.
ویژگی های کلیدی
پردازش داده های سه بعدی را با ارائه ، بهینه سازی Pytorch و دسته بندی ناهمگن درک کنید
مفاهیم ارائه دهنده متفاوت را با مثال های عملی پیاده سازی کنید
کشف کنید که چگونه می توانید کار خود را با جدیدترین تکنیک های یادگیری عمیق سه بعدی با استفاده از Pytorch3D آسان کنید
توضیحات کتاب
با استفاده از این راهنمای مفید برای یادگیری عمیق سه بعدی ، توسعه دهندگان کار با بینایی رایانه ای سه بعدی قادر خواهند بود دانش خود را برای کار و برخاستن و دویدن در هیچ وقت قرار دهند.
با توضیحات گام به گام در مورد مفاهیم اساسی و نمونه های عملی ، این کتاب به شما امکان می دهد تا درک کاملی از یادگیری عمیق سه بعدی از ذهن داشته باشید.شما می توانید نحوه استفاده از pytorch3d را برای پردازش داده های اصلی سه بعدی و نقطه ابر ، از جمله بارگیری و صرفه جویی در پرونده های PLY و OBJ ، با استفاده از مدل های دوربین چشم انداز یا مدل های دوربین ارتوگرافی ، استفاده از ابرهای نقطه ای و مشبک های نقطه ای به تصاویر ، از Pytorch3D استفاده کنید.و خیلی بیشتر.همانطور که برخی از آخرین الگوریتم های یادگیری عمیق سه بعدی ، مانند ارائه دیفرانسیل ، NERF ، Synsin و Mesh RCNN را پیاده سازی می کنید ، خواهید فهمید که چگونه برنامه نویسی برای این مدل های یادگیری عمیق با استفاده از کتابخانه Pytorch3D آسان تر می شود.
با پایان این کتاب یادگیری عمیق ، شما آماده خواهید بود تا با اطمینان مدل های یادگیری عمیق سه بعدی خود را اجرا کنید.
آنچه یاد خواهید گرفت
برای تعامل با محیط ، مدل های بینایی رایانه ای سه بعدی را توسعه دهید
با استفاده از داده های سه بعدی با ابرهای نقطه ، مش ، تخته و فرمت فایل OBJ به دست بیاورید
با هندسه سه بعدی ، مدل های دوربین و هماهنگی کار کنید و بین آنها تبدیل شوید
مفاهیم ارائه ، سایه زنی و موارد دیگر را با سهولت درک کنید
اجرای دیفرانسیل برای بسیاری از مدلهای یادگیری عمیق سه بعدی
مدلهای پیشرفته پیشرفته 3D یادگیری عمیق مانند Nerf ، Synsin ، Mesh rcnn
این کتاب برای چه کسی است
این کتاب برای پزشکان مبتدی به سطح متوسط یادگیری ماشین ، دانشمندان داده ، مهندسان ML و مهندسان DL است که با استفاده از داده های سه بعدی به دنبال تکنیک های دید رایانه هستند.
فهرست مطالب
فرمت های پرونده داده 3D – Ply and OBJ ، سیستم های هماهنگی سه بعدی ، مدل های دوربین
مفاهیم ارائه دهنده اصلی ، بهینه سازی اصلی پیرتر ، دسته بندی ناهمگن
متناسب با استفاده از مدل های مش تغییر شکل
ارائه مفاهیم اساسی ارائه شده
ارائه حجم متفاوت
NERF – زمینه های تابش عصبی
زرافه
اتصالات سه بعدی بدن انسان با استفاده از مدل های SMPL
Synsin-سنتز نمایش پایان به پایان از یک تصویر واحد
مش Rcnn
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.