Applied Deep Learning and Computer Vision for Self-Driving Cars (Aprendizaje profundo aplicado y visión por ordenador para coches autónomos): Construir vehículos autónomos utilizando redes neuronales profundas y técnicas de clonación de comportamiento

Opiniones de los lectores

El libro sirve como una suave introducción al aprendizaje profundo y la visión por ordenador, centrándose específicamente en los coches autoconducidos. Está bien estructurado, con implementaciones prácticas y abundantes ayudas visuales, lo que lo hace adecuado para principiantes. Sin embargo, carece de un proyecto integral que unifique los capítulos.

⬤ Está bien estructurado y atrae a los lectores con código, gráficos y elementos visuales.
⬤ Proporciona conocimientos fundamentales y ejemplos prácticos para proyectos de coches autónomos.
⬤ Adecuado tanto para principiantes como para aquellos que buscan entender lo básico sin excesivos detalles técnicos.

⬤ Carece de un proyecto integral que conecte todos los capítulos.
⬤ Algunos revisores encontraron el contenido demasiado esquemático y superficial para una comprensión más profunda.
⬤ Podría beneficiarse de referencias educativas adicionales para un estudio más detallado.

(basado en 9 opiniones de lectores)

Título original:

Applied Deep Learning and Computer Vision for Self-Driving Cars: Build autonomous vehicles using deep neural networks and behavior-cloning techniques

Contenido del libro:

Explora la tecnología de los coches autoconducidos utilizando técnicas de aprendizaje profundo e inteligencia artificial y bibliotecas como TensorFlow, Keras y OpenCV.

Características principales

⬤ Construir y entrenar potentes modelos de redes neuronales para construir un coche autónomo.

⬤ Implementar técnicas de visión por computador, aprendizaje profundo e IA para crear algoritmos automotrices.

⬤ Superar los desafíos enfrentados mientras se automatizan diferentes aspectos de la conducción utilizando bibliotecas y arquitecturas modernas de Python.

Descripción del libro

Gracias a una serie de avances recientes, la tecnología de automóviles de conducción autónoma es ahora un tema emergente en el campo de la inteligencia artificial y ha cambiado el enfoque de los científicos de datos hacia la construcción de automóviles autónomos que transformarán la industria automotriz. Este libro es una guía completa para utilizar técnicas de aprendizaje profundo y visión por ordenador para desarrollar coches autónomos.

Empezando por los fundamentos de los coches autoconducidos (SDC), este libro te llevará a través de las técnicas de redes neuronales profundas necesarias para ponerte en marcha con la construcción de tu vehículo autónomo. Una vez que te sientas cómodo con los conceptos básicos, profundizarás en las técnicas avanzadas de visión por ordenador y aprenderás a utilizar métodos de aprendizaje profundo para realizar diversas tareas de visión por ordenador, como encontrar líneas de carril, mejorar la clasificación de imágenes, etc. Explorará la estructura básica y el funcionamiento de un modelo de segmentación semántica y se familiarizará con la detección de coches mediante segmentación semántica. El libro también cubre aplicaciones avanzadas como la clonación de comportamientos y la detección de vehículos utilizando OpenCV, el aprendizaje de transferencia y las metodologías de aprendizaje profundo para entrenar SDC para imitar la conducción humana.

Al final de este libro, habrás aprendido a implementar una variedad de redes neuronales para desarrollar tu propio vehículo autónomo utilizando bibliotecas modernas de Python.

Lo que aprenderás

⬤ Implementar redes neuronales profundas desde cero utilizando la biblioteca Keras.

⬤ Comprender la importancia del aprendizaje profundo en los coches de conducción autónoma.

⬤ Comprender las técnicas de extracción de características en el procesamiento de imágenes utilizando la biblioteca OpenCV.

⬤ Diseñar un software que detecte líneas de carril en vídeos.

⬤ Implementar un clasificador de imágenes de red neuronal convolucional (CNN) para señales de tráfico.

⬤ Entrenar y probar redes neuronales para la clonación de comportamientos mediante la conducción de un coche en un simulador virtual.

⬤ Descubrir varias arquitecturas de segmentación semántica y detección de objetos de última generación.

A quién va dirigido este libro

Si eres ingeniero de aprendizaje profundo, investigador de IA o cualquiera que busque implementar técnicas de aprendizaje profundo y visión por computadora para construir soluciones de planos de autoconducción, este libro es para ti. Cualquiera que quiera aprender cómo se construyen varios algoritmos relacionados con la automoción, también encontrará útil este libro. Para sacar el máximo partido a este libro, es necesario tener experiencia en programación con Python y conocimientos básicos de aprendizaje profundo.