TensorFlow 2.0 Computer Vision Cookbook: Implemente soluciones de aprendizaje automático para superar diversos retos de visión por ordenador

Opiniones de los lectores

El libro es muy apreciado por su exhaustiva cobertura de las aplicaciones de aprendizaje profundo en visión por ordenador, con un fuerte énfasis en ejemplos prácticos y codificación práctica. Sin embargo, requiere conocimientos previos de teoría de redes neuronales para comprender plenamente sus explicaciones, y algunos usuarios señalaron la falta de color en la impresión, lo que hace que sea más difícil de leer y menos informativo visualmente.

Cobertura completa del aprendizaje profundo en visión por computador, explicaciones claras de los conceptos, ejemplos prácticos y experiencias prácticas de codificación, inclusión de diversos temas desde niveles básicos a avanzados, referencias a materiales relevantes, adecuado tanto para principiantes como para profesionales experimentados en visión por computador.

Requiere conocimientos previos de redes neuronales para entender algunas explicaciones, la falta de color en la impresión puede dificultar la legibilidad y la claridad de la imagen.

(basado en 5 opiniones de lectores)

Título original:

TensorFlow 2.0 Computer Vision Cookbook: Implement machine learning solutions to overcome various computer vision challenges

Contenido del libro:

Familiarícese con las técnicas más avanzadas para adaptar los procesos de entrenamiento y potenciar el rendimiento de los modelos de visión por ordenador mediante técnicas de aprendizaje automático y aprendizaje profundo.

Características principales:

⬤ Desarrollar, entrenar y utilizar algoritmos de aprendizaje profundo para tareas de visión por ordenador utilizando TensorFlow 2. x.

⬤ Descubra recetas prácticas para superar varios desafíos que se enfrentan al construir modelos de visión por computadora.

⬤ Permita que las máquinas obtengan una comprensión de nivel humano para reconocer y analizar imágenes y videos digitales.

Descripción del libro:

La visión por computador es un campo científico que permite a las máquinas identificar y procesar imágenes digitales y vídeos. Este libro se centra en recetas independientes para ayudarle a realizar diversas tareas de visión por computador utilizando TensorFlow.

El libro comienza llevándole a través de los fundamentos del aprendizaje profundo para la visión por computador, junto con la cobertura de las características clave de TensorFlow 2. x, tales como las APIs Keras y tf. data. Dataset APIs. A continuación, aprenderá sobre los entresijos de las tareas comunes de visión por computador, como la clasificación de imágenes, el aprendizaje por transferencia, la mejora y el estilizado de imágenes y la detección de objetos. El libro también cubre los autocodificadores en dominios como los índices de búsqueda inversa de imágenes y la eliminación de ruido en imágenes, al tiempo que ofrece información sobre varias arquitecturas utilizadas en las recetas, como las redes neuronales convolucionales (CNN), las CNN basadas en regiones (R-CNN), VGGNet y You Only Look Once (YOLO).

A continuación, descubrirá consejos y trucos para resolver cualquier problema que se le plantee al crear diversas aplicaciones de visión por ordenador. Por último, profundizaremos en temas más avanzados como las Redes Generativas Adversariales (GANs), el procesamiento de vídeo y AutoML, concluyendo con una sección centrada en técnicas que nos ayudarán a mejorar el rendimiento de nuestras redes.

Al final de este libro TensorFlow, usted será capaz de abordar con confianza una amplia gama de problemas de visión por computador utilizando TensorFlow 2. x.

Lo que aprenderá

⬤ Comprender cómo detectar objetos utilizando modelos de última generación como YOLOv3.

⬤ Utilizar AutoML para predecir el género y la edad a partir de imágenes.

⬤ Segmentar imágenes utilizando diferentes enfoques como FCNs y modelos generativos.

⬤ Aprenda a mejorar el rendimiento de su red utilizando la precisión rank-N, el suavizado de etiquetas y el aumento del tiempo de prueba.

⬤ Capacitar a las máquinas para reconocer las emociones de las personas en vídeos y flujos en tiempo real.

⬤ Acceder y reutilizar modelos avanzados de TensorFlow Hub para realizar clasificación de imágenes y detección de objetos.

⬤ Generar subtítulos para imágenes utilizando CNNs y RNNs.

A quién va dirigido este libro:

Este libro está dirigido a desarrolladores e ingenieros de visión por computador, así como a profesionales del aprendizaje profundo que buscan soluciones a diversos problemas que surgen comúnmente en la visión por computador. Descubrirá cómo emplear técnicas modernas de aprendizaje automático (ML) y arquitecturas de aprendizaje profundo para realizar una gran cantidad de tareas de visión por ordenador. Se requieren conocimientos básicos de programación en Python y visión por computador.