Masterclass de procesamiento de imágenes con Python: Más de 50 soluciones y técnicas para resolver complejos retos de procesamiento digital de imágenes con Numpy, Scipy y Pytorch

Opiniones de los lectores

El libro goza de gran prestigio por su exhaustiva cobertura de los temas de procesamiento de imágenes y sus ejemplos prácticos de codificación mediante bibliotecas de Python. Sin embargo, se señala que el libro no es adecuado para principiantes debido a la complejidad de las explicaciones proporcionadas.

⬤ Cobertura exhaustiva de los principales temas de procesamiento de imágenes
⬤ incluye ejemplos prácticos de codificación en Python utilizando bibliotecas como Numpy, Scipy, Pytorch y Keras
⬤ muy recomendable para aspirantes a expertos en procesamiento de imágenes.

No es adecuado para principiantes; algunas explicaciones de código no son claras, y se desea más detalle sobre los conceptos fundamentales.

(basado en 2 opiniones de lectores)

Título original:

Image Processing Masterclass with Python: 50+ Solutions and Techniques Solving Complex Digital Image Processing Challenges Using Numpy, Scipy, Pytorch

Contenido del libro:

Más de 50 problemas resueltos con algoritmos clásicos + modelos ML / DL

Características principales

⬤  Enfoque basado en problemas para practicar el procesamiento de imágenes.

⬤  Uso práctico de bibliotecas populares de Python: Numpy, Scipy, scikit-image, PIL y SimpleITK.

⬤  Demostración de extremo a extremo de desafíos populares de procesamiento de imágenes faciales utilizando MTCNN y las API de visión cognitiva de Microsoft.

Descripción

Este libro comienza con problemas básicos de procesamiento y manipulación de imágenes y demuestra cómo resolverlos con librerías y módulos populares de Python. A continuación, se centra en problemas basados en transformaciones geométricas de imágenes y problemas a resolver con Image hashing.

A continuación, el libro se centra en la resolución de problemas basados en el muestreo, la convolución, la transformada discreta de Fourier, el filtrado en el dominio de la frecuencia y la restauración de imágenes con deconvolución. También se centra en la resolución de problemas de mejora de la imagen utilizando diferentes algoritmos como filtros espaciales y la creación de una imagen de superresolución utilizando SRGAN.

Finalmente, explora problemas populares de procesamiento de imágenes faciales y los resuelve con modelos de aprendizaje automático y aprendizaje profundo utilizando bibliotecas populares de Python ML / DL.

Lo que aprenderá

⬤  Desarrollar un fuerte control sobre los fundamentos del Procesamiento de Imágenes y la Manipulación de Imágenes.

⬤  Resolver problemas populares de procesamiento de imágenes utilizando modelos de aprendizaje automático y aprendizaje profundo.

⬤  Conocimiento práctico de las bibliotecas de Python, incluyendo numpy, scipy y scikit-image.

⬤  Utilice paquetes populares de aprendizaje automático de Python como scikit-learn, Keras y pytorch.

⬤  Implementación en vivo de técnicas de procesamiento de imágenes faciales como Face Detection / Recognition / Parsing dlib y MTCNN.

A quién va dirigido este libro

Este libro está diseñado especialmente para usuarios de visión por computadora, ingenieros de aprendizaje automático, expertos en procesamiento de imágenes que buscan resolver desafíos modernos de procesamiento de imágenes / visión por computadora.

Tabla de contenidos

1. Capítulo 1: Procesamiento básico de imagen y vídeo.

2. Capítulo 2: Más transformación y manipulación de imágenes.

3. Capítulo 3: Muestreo, convolución y transformada discreta de Fourier.

4. Capítulo 4: Transformada Discreta de Coseno / Wavelet y Deconvolución.

5. Capítulo 5: Mejora de imágenes.

6. Capítulo 6: Más mejoras de imagen.

7. Capítulo 7: Tratamiento de imágenes faciales.

Acerca del autor

Sandipan Dey es un científico de datos con una amplia gama de intereses, que abarca temas como el aprendizaje automático, el aprendizaje profundo, el procesamiento de imágenes y la visión por ordenador. Ha trabajado en numerosos campos de la ciencia de datos, como sistemas de recomendación, modelos predictivos para la industria de eventos, modelos de localización de sensores, análisis de sentimientos y pronóstico de dispositivos. Obtuvo su máster en Informática en la Universidad de Maryland, Baltimore County, y ha publicado en varias conferencias y revistas de minería de datos del IEEE. También es autor de un par de libros sobre procesamiento de imágenes publicados por una editorial internacional. Ha obtenido certificaciones de más de 100 MOOC sobre ciencia de datos y cursos relacionados. Es bloguero habitual (en sandipanweb @wordpress, medium y data science central) y es un entusiasta de la educación en Aprendizaje Automático.

Perfil de LinkedIn: https: //www.linkedin.com/in/sandipan-dey-0370276.