Ocena:
Książka oferuje interesującą treść i uporządkowane podejście do algorytmów widzenia komputerowego, ale cierpi z powodu niskiej jakości projektu, w tym obrazów o niskiej rozdzielczości i nieodpowiedniego składu równań. Służy raczej jako szybkie odniesienie niż kompleksowy przewodnik.
Zalety:⬤ Interesująca treść
⬤ przejrzysta struktura treści
⬤ zwarte rozdziały.
⬤ Słaba jakość graficzna
⬤ czarno-białe obrazy o niskiej rozdzielczości
⬤ nieczytelne równania
⬤ brak głębi
⬤ zawartość rozdziałów nie jest szczegółowa
⬤ rozpraszający duży rozmiar czcionki
⬤ niewyjaśnione liczby
⬤ brak porównania algorytmów
⬤ nie wyjaśnia, kiedy należy stosować określone algorytmy.
(na podstawie 2 opinii czytelników)
Python Image Processing Cookbook: Over 60 recipes to help you perform complex image processing and computer vision tasks with ease
Poznaj Keras, scikit-image, open source computer vision (OpenCV), Matplotlib i szeroką gamę innych narzędzi i frameworków Python do rozwiązywania rzeczywistych problemów związanych z przetwarzaniem obrazu.
Kluczowe cechy
⬤ Odkryj rozwiązania złożonych zadań przetwarzania obrazu przy użyciu narzędzi Python, takich jak scikit-image i Keras.
⬤ Poznanie popularnych koncepcji, takich jak uczenie maszynowe, głębokie uczenie i sieci neuronowe do przetwarzania obrazu.
⬤ Poznaj powszechne i nie tak powszechne wyzwania stojące przed przetwarzaniem obrazu.
Opis książki
Wraz z rozwojem urządzeń bezprzewodowych i technologii mobilnych, rośnie zapotrzebowanie na osoby z umiejętnościami cyfrowego przetwarzania obrazu w celu wydobycia przydatnych informacji ze stale rosnącej ilości obrazów. Ta książka zapewnia kompleksowe omówienie odpowiednich narzędzi i algorytmów oraz prowadzi przez analizę i wizualizację przetwarzania obrazu.
Dzięki ponad 60 najnowocześniejszym przepisom, będziesz w stanie sprostać typowym wyzwaniom związanym z przetwarzaniem obrazu i dowiedzieć się, jak wykonywać złożone zadania, takie jak wykrywanie obiektów, segmentacja obrazu i rekonstrukcja obrazu przy użyciu dużych hybrydowych zestawów danych. Dedykowane sekcje przeprowadzą cię również przez wdrażanie różnych technik ulepszania i przywracania obrazu, takich jak rysowanie kreskówek, mieszanie gradientów i uczenie się słowników rzadkich. W miarę postępów zapoznasz się z technikami morfingu twarzy i segmentacji obrazu. Kładąc nacisk na praktyczne rozwiązania, książka ta pomoże ci zastosować techniki głębokiego uczenia, takie jak uczenie transferowe i dostrajanie, do rozwiązywania rzeczywistych problemów.
Pod koniec tej książki będziesz biegły w wykorzystywaniu możliwości ekosystemu Pythona do skutecznego wdrażania różnych technik przetwarzania obrazu.
Czego się nauczysz
⬤ Wdrażać nadzorowane i nienadzorowane algorytmy uczenia maszynowego do przetwarzania obrazów.
⬤ Wykorzystywać modele głębokich sieci neuronowych do zaawansowanych zadań przetwarzania obrazu.
⬤ Przeprowadzać klasyfikację obrazów, wykrywanie obiektów i rozpoznawanie twarzy.
⬤ Stosować techniki segmentacji i rejestracji obrazu na obrazach medycznych, aby pomóc lekarzom.
⬤ Wykorzystanie klasycznego przetwarzania obrazu i metod głębokiego uczenia się do przywracania obrazu.
⬤ Wdrażanie wykrywania tekstu na obrazach przy użyciu Tesseract, silnika optycznego rozpoznawania znaków (OCR).
⬤ Zrozumienie technik ulepszania obrazu, takich jak mieszanie gradientów.
Dla kogo jest ta książka
Ta książka jest przeznaczona dla inżynierów przetwarzania obrazu, inżynierów wizji komputerowej, programistów, inżynierów uczenia maszynowego lub każdego, kto chce dobrze poznać techniki i metody przetwarzania obrazu przy użyciu podejścia opartego na przepisach. Chociaż nie jest wymagana żadna wiedza na temat przetwarzania obrazu, wcześniejsze doświadczenie w kodowaniu w języku Python jest niezbędne do zrozumienia kluczowych pojęć omówionych w książce.
