Visión por computador moderna con PyTorch: Explore conceptos de aprendizaje profundo e implemente más de 50 aplicaciones de imágenes del mundo real

Opiniones de los lectores

El libro 'Modern Computer Vision with PyTorch' es elogiado por su enfoque de aprendizaje estructurado, su cobertura exhaustiva de temas básicos y avanzados en visión por computador y aprendizaje profundo, y sus ejemplos bien explicados utilizando PyTorch. Muchos usuarios lo consideran beneficioso tanto para principiantes como para profesionales más experimentados debido a su enfoque práctico y a los ejemplos prácticos de codificación. Sin embargo, algunos revisores señalaron que la falta de color en el texto impreso dificulta la lectura, y hubo algunas críticas sobre la profundidad de las explicaciones y la organización del contenido.

⬤ Cobertura bien estructurada y completa de temas de aprendizaje profundo y visión por computador
⬤ ejemplos prácticos y explicaciones claras
⬤ adecuado tanto para principiantes como para usuarios avanzados
⬤ incluye una amplia gama de técnicas e implementaciones en PyTorch
⬤ ejercicios prácticos de codificación mejoran el aprendizaje
⬤ recurso oportuno que consolida información dispersa en el campo.

⬤ La falta de color en el código impreso hace que sea difícil de leer
⬤ algunos usuarios encontraron las explicaciones superficiales y carentes de profundidad
⬤ unos pocos revisores mencionaron la desorganización en la estructura que hacía difícil seguir un camino de aprendizaje lógico.

(basado en 24 opiniones de lectores)

Título original:

Modern Computer Vision with PyTorch: Explore deep learning concepts and implement over 50 real-world image applications

Contenido del libro:

Llegar a enfrentarse con técnicas de aprendizaje profundo para la construcción de aplicaciones de procesamiento de imágenes utilizando PyTorch con la ayuda de cuadernos de código y preguntas de prueba.

Características principales

⬤ Implementar soluciones a 50 aplicaciones de visión por computador del mundo real utilizando PyTorch.

⬤ Entender la teoría y los mecanismos de trabajo de las arquitecturas de redes neuronales y su implementación.

⬤ Descubra las mejores prácticas utilizando una biblioteca personalizada creada especialmente para este libro.

Descripción del libro

El aprendizaje profundo es la fuerza impulsora detrás de muchos avances recientes en diversas aplicaciones de visión por ordenador (CV). Este libro adopta un enfoque práctico para ayudarle a resolver más de 50 problemas de CV utilizando PyTorch1. x en conjuntos de datos del mundo real.

Empezarás construyendo una red neuronal (NN) desde cero utilizando NumPy y PyTorch y descubrirás las mejores prácticas para ajustar sus hiperparámetros. A continuación, realizarás la clasificación de imágenes utilizando redes neuronales convolucionales y aprendizaje por transferencia y comprenderás cómo funcionan. A medida que avance, implementará múltiples casos de uso de detección multiobjeto en 2D y 3D, segmentación, estimación de la pose humana, aprendiendo sobre la familia R-CNN, SSD, YOLO, arquitecturas U-Net y la plataforma Detectron2. El libro también le guiará en la realización de intercambios de expresiones faciales, la generación de nuevos rostros y la manipulación de expresiones faciales a medida que explora los autocodificadores y las modernas redes generativas adversariales. Aprenderá a combinar CV con técnicas de PNL, como LSTM y transformadores, y técnicas de RL, como Deep Q-learning, para implementar OCR, subtitulado de imágenes, detección de objetos y un agente de coche autoconducido. Por último, trasladará su modelo de NN a la producción en la nube de AWS.

Al final de este libro, podrá aprovechar las arquitecturas de NN modernas para resolver con confianza más de 50 problemas de CV del mundo real.

Lo que aprenderá

⬤ Entrenar una NN desde cero con NumPy y PyTorch.

⬤  Implementar la detección y segmentación multiobjeto 2D y 3D.

⬤  Generar dígitos y DeepFakes con autoencoders y GANs avanzados.

⬤  Manipular imágenes utilizando CycleGAN, Pix2PixGAN, StyleGAN2 y SRGAN.

⬤  Combine CV con NLP para realizar OCR, subtítulos de imágenes y detección de objetos.

⬤  Combinar CV con el aprendizaje de refuerzo para construir agentes que jueguen pong y auto-conducción de un coche.

⬤  Implementar un modelo de aprendizaje profundo en el servidor de AWS utilizando FastAPI y Docker.

⬤  Implementar más de 35 arquitecturas NN y utilidades OpenCV comunes.

Para quién es este libro

.

Este libro es para principiantes en PyTorch y practicantes de aprendizaje automático de nivel intermedio que buscan familiarizarse con las técnicas de visión por computadora utilizando el aprendizaje profundo y PyTorch. Si te estás iniciando en las redes neuronales, te resultarán útiles los casos de uso acompañados de cuadernos en GitHub presentes en este libro. Un conocimiento básico del lenguaje de programación Python y del aprendizaje automático es todo lo que necesitas para empezar con este libro.