عنوان کتاب به انگلیسی: |
Modern Computer Vision with PyTorch: Explore deep learning concepts and implement over 50 real-world image applications |
| سال انتشار: 2020 | 805 صفحه | حجم فایل: 79 مگابایت | زبان: انگلیسی |
| نویسنده | V Kishore Ayyadevara, Yeshwanth Reddy |
| ناشر | Packt Publishing |
| ISBN10: | 1839213477 |
| ISBN13: | 9781839213472 |
توضیحات کتاب
Key FeaturesImplement solutions to 50 real-world computer vision applications using PyTorch
Understand the theory and working mechanisms of neural network architectures and their implementation
Discover best practices using a custom library created especially for this bookBook Description
Deep learning is the driving force behind many recent advances in various computer vision (CV) applications. This book takes a hands-on approach to help you to solve over 50 CV problems using PyTorch1.x on real-world datasets.
You’ll start by building a neural network (NN) from scratch using NumPy and PyTorch and discover best practices for tweaking its hyperparameters. You’ll then perform image classification using convolutional neural networks and transfer learning and understand how they work. As you progress, you’ll implement multiple use cases of 2D and 3D multi-object detection, segmentation, human-pose-estimation by learning about the R-CNN family, SSD, YOLO, U-Net architectures, and the Detectron2 platform. The book will also guide you in performing facial expression swapping, generating new faces, and manipulating facial expressions as you explore autoencoders and modern generative adversarial networks. You’ll learn how to combine CV with NLP techniques, such as LSTM and transformer, and RL techniques, such as Deep Q-learning, to implement OCR, image captioning, object detection, and a self-driving car agent. Finally, you’ll move your NN model to production on the AWS Cloud.
By the end of this book, you’ll be able to leverage modern NN architectures to solve over 50 real-world CV problems confidently.
What you will learn
Train a NN from scratch with NumPy and PyTorch
Implement 2D and 3D multi-object detection and segmentation
Generate digits and DeepFakes with autoencoders and advanced GANs
Manipulate images using CycleGAN, Pix2PixGAN, StyleGAN2, and SRGAN
Combine CV with NLP to perform OCR, image captioning, and object detection
Combine CV with reinforcement learning to build agents that play pong and self-drive a car
Deploy a deep learning model on the AWS server using FastAPI and Docker
Implement over 35 NN architectures and common OpenCV utilities
Who this book is for
This book is for beginners to PyTorch and intermediate-level machine learning practitioners who are looking to get well-versed with computer vision techniques using deep learning and PyTorch. If you are just getting started with neural networks, you’ll find the use cases accompanied by notebooks in GitHub present in this book useful. Basic knowledge of the Python programming language and machine learning is all you need to get started with this book.
Table of Contents
Artificial Neural Network Fundamentals
PyTorch Fundamentals
Building a Deep Neural Network with PyTorch
Introducing Convolutional Neural Networks
Transfer Learning for object Classification
Practical Aspects of Image Classification
Basics of Object detection
Advanced object detection
Image segmentation
Applications of object detection and localization
Autoencoders and Image Manipulation
Image generation using GAN
Advanced GANs to manipulate images
Training with minimal data points
Combining Computer Vision and NLP techniques
Combining Computer Vision and Reinforcement Learning
Moving a Model to Production
OpenCV utilities for image analysis
توضیحات کتاب به فارسی (ترجمه ماشینی)
با تکنیک های یادگیری عمیق برای ساخت برنامه های پردازش تصویر با استفاده از Pytorch با کمک نوت بوک های کد و سوالات آزمایش ، به دست بیاورید
ویژگی های کلیدی
با استفاده از Pytorch راه حل هایی را برای 50 برنامه دید رایانه ای در دنیای واقعی پیاده سازی کنید
تئوری و مکانیسم های کار معماری شبکه عصبی و اجرای آنها را درک کنید
بهترین شیوه ها را با استفاده از یک کتابخانه سفارشی ایجاد شده به خصوص برای این کتاب کشف کنید
توضیحات کتاب
Deep Learning نیروی محرکه بسیاری از پیشرفت های اخیر در برنامه های مختلف Vision Computer (CV) است.این کتاب برای کمک به شما در حل بیش از 50 مشکل CV با استفاده از Pytorch1.x در مجموعه داده های دنیای واقعی به شما کمک می کند.
شما با ساختن یک شبکه عصبی (NN) از ابتدا با استفاده از Numpy و Pytorch شروع می کنید و بهترین شیوه ها را برای تغییر دادن هایپر پارامترهای آن کشف می کنید.سپس طبقه بندی تصویر را با استفاده از شبکه های عصبی Convolutional انجام می دهید و یادگیری را انتقال می دهید و نحوه کار آنها را درک می کنید.با پیشرفت ، شما با یادگیری در مورد خانواده R-CNN ، SSD ، YOLO ، معماری های U-NET و سکوی Detectron2 ، چندین مورد استفاده از تشخیص چند هدف 2D و 3D ، تقسیم بندی ، تخمین انسانی را اجرا خواهید کرد.این کتاب همچنین شما را در انجام مبادله بیان صورت ، تولید چهره های جدید و دستکاری در صورت های صورت خود در هنگام کشف خودکشی ها و شبکه های طرفداری مولد مدرن راهنمایی می کند.شما یاد می گیرید که چگونه CV را با تکنیک های NLP ، مانند LSTM و ترانسفورماتور و تکنیک های RL مانند یادگیری عمیق Q ، برای اجرای OCR ، زیرنویس تصویر ، تشخیص شی و یک عامل خودرو خودران ترکیب کنید.سرانجام ، شما مدل NN خود را به سمت تولید در ابر AWS سوق می دهید.
با پایان این کتاب ، شما قادر خواهید بود تا از معماری های مدرن NN استفاده کنید تا بیش از 50 مشکل CV در دنیای واقعی را با اطمینان حل کنید.
آنچه یاد خواهید گرفت
NN را از ابتدا با Numpy و Pytorch آموزش دهید
تشخیص و تقسیم چند هدف 2D و 3D را اجرا کنید
رقم ها و دیپیک های عمیق را با خودروهای و GAN های پیشرفته ایجاد کنید
تصاویر را با استفاده از Cyclegan ، Pix2Pixgan ، StyleGan2 و Srgan دستکاری کنید
CV را با NLP برای انجام OCR ، زیرنویس تصویر و تشخیص شی ترکیب کنید
CV را با یادگیری تقویت برای ساختن عوامل بازی می کند که یک ماشین را بازی می کنند
با استفاده از FastAPI و Docker یک مدل یادگیری عمیق را در سرور AWS مستقر کنید
بیش از 35 معماری NN و برنامه های کاربردی مشترک OPENCV را پیاده سازی کنید
این کتاب برای چه کسی است
این کتاب برای مبتدیان به Pytorch و متخصصان یادگیری ماشین در سطح متوسط است که به دنبال استفاده از تکنیک های دید رایانه ای با استفاده از یادگیری عمیق و Pytorch هستند.اگر به تازگی با شبکه های عصبی شروع به کار کرده اید ، موارد استفاده را همراه با نوت بوک در GitHub موجود در این کتاب مفید می یابید.دانش اساسی در مورد زبان برنامه نویسی پایتون و یادگیری ماشین همه چیزهایی است که برای شروع کار با این کتاب نیاز دارید.
فهرست مطالب
اصول شبکه عصبی مصنوعی
اصول اولیه
ساختن یک شبکه عصبی عمیق با Pytorch
معرفی شبکه های عصبی حلقوی
انتقال یادگیری برای طبقه بندی شیء
جنبه های عملی طبقه بندی تصویر
مبانی تشخیص شیء
تشخیص شیء پیشرفته
تقسیم تصویر
کاربردهای تشخیص شیء و بومی سازی
AutoEncoders و دستکاری تصویر
تولید تصویر با استفاده از GAN
GAN های پیشرفته برای دستکاری تصاویر
آموزش با حداقل امتیاز داده
ترکیب دید رایانه و تکنیک های NLP
ترکیب دید رایانه و یادگیری تقویت
انتقال یک مدل به تولید
برنامه های کاربردی OpenCV برای تجزیه و تحلیل تصویر
| 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.