Nowoczesna wizja komputerowa z PyTorch: Poznaj koncepcje głębokiego uczenia i zaimplementuj ponad 50 rzeczywistych aplikacji graficznych

Opinie czytelników

Książka „Modern Computer Vision with PyTorch” jest chwalona za uporządkowane podejście do nauki, kompleksowe omówienie zarówno podstawowych, jak i zaawansowanych tematów z zakresu wizji komputerowej i głębokiego uczenia się oraz dobrze wyjaśnione przykłady wykorzystujące PyTorch. Wielu użytkowników uważa, że jest on korzystny zarówno dla początkujących, jak i bardziej doświadczonych praktyków, ze względu na praktyczne podejście i praktyczne przykłady kodowania. Niektórzy recenzenci zauważyli jednak, że brak kolorów w drukowanym tekście utrudnia jego czytanie, a także pojawiło się kilka krytycznych uwag dotyczących głębokości wyjaśnień i organizacji treści.

⬤ Dobrze zorganizowane i kompleksowe omówienie tematów głębokiego uczenia i wizji komputerowej
⬤ praktyczne przykłady i jasne wyjaśnienia
⬤ odpowiednie zarówno dla początkujących, jak i zaawansowanych użytkowników
⬤ obejmuje szeroki zakres technik i implementacji w PyTorch
⬤ praktyczne ćwiczenia kodowania usprawniają naukę
⬤ aktualne źródło konsolidujące rozproszone informacje w tej dziedzinie.

⬤ Brak kolorów w wydrukowanym kodzie utrudnia czytanie
⬤ niektórzy użytkownicy uznali wyjaśnienia za powierzchowne i pozbawione głębi
⬤ kilku recenzentów wspomniało o dezorganizacji w strukturze, co utrudniało podążanie logiczną ścieżką nauki.

(na podstawie 24 opinii czytelników)

Oryginalny tytuł:

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

Zawartość książki:

Zapoznaj się z technikami głębokiego uczenia do tworzenia aplikacji do przetwarzania obrazu za pomocą PyTorch z pomocą notatników z kodem i pytań testowych.

Kluczowe cechy

⬤ Wdrożenie rozwiązań dla 50 rzeczywistych aplikacji widzenia komputerowego przy użyciu PyTorch.

⬤ Zrozumienie teorii i mechanizmów działania architektur sieci neuronowych oraz ich implementacji.

⬤ Odkryj najlepsze praktyki przy użyciu niestandardowej biblioteki stworzonej specjalnie na potrzeby tej książki.

Opis książki

Głębokie uczenie jest siłą napędową wielu ostatnich postępów w różnych zastosowaniach wizji komputerowej (CV). Książka ta zawiera praktyczne podejście, które pomoże ci rozwiązać ponad 50 problemów CV przy użyciu PyTorch1. x na rzeczywistych zbiorach danych.

Zaczniesz od zbudowania sieci neuronowej (NN) od podstaw przy użyciu NumPy i PyTorch i odkryjesz najlepsze praktyki w zakresie dostosowywania jej hiperparametrów. Następnie przeprowadzisz klasyfikację obrazów przy użyciu konwolucyjnych sieci neuronowych i uczenia transferowego oraz zrozumiesz, jak one działają. W miarę postępów zaimplementujesz wiele przypadków użycia wykrywania wielu obiektów 2D i 3D, segmentacji, szacowania pozycji człowieka, poznając rodzinę R-CNN, architektury SSD, YOLO, U-Net i platformę Detectron2. Książka poprowadzi Cię również przez proces zamiany mimiki twarzy, generowania nowych twarzy i manipulowania mimiką twarzy w trakcie poznawania autoenkoderów i nowoczesnych generatywnych sieci przeciwstawnych. Dowiesz się, jak połączyć CV z technikami NLP, takimi jak LSTM i transformator, oraz technikami RL, takimi jak Deep Q-learning, aby zaimplementować OCR, napisy do obrazów, wykrywanie obiektów i autonomicznego agenta samochodowego. Na koniec przeniesiesz swój model NN do środowiska produkcyjnego w chmurze AWS.

Pod koniec tej książki będziesz w stanie wykorzystać nowoczesne architektury sieci neuronowych do rozwiązania ponad 50 rzeczywistych problemów związanych z CV.

Czego się nauczysz

⬤ Trenować sieci neuronowe od podstaw za pomocą NumPy i PyTorch.

⬤  Zaimplementować wykrywanie i segmentację wielu obiektów 2D i 3D.

⬤  Generowanie cyfr i DeepFakes za pomocą autoenkoderów i zaawansowanych sieci GAN.

⬤  Manipulowanie obrazami przy użyciu CycleGAN, Pix2PixGAN, StyleGAN2 i SRGAN.

⬤  Łączenie CV z NLP w celu wykonywania OCR, podpisywania obrazów i wykrywania obiektów.

⬤  Połączenie CV z uczeniem ze wzmocnieniem w celu stworzenia agentów grających w ponga i samodzielnie prowadzących samochód.

⬤  Wdrożenie modelu głębokiego uczenia na serwerze AWS przy użyciu FastAPI i Dockera.

⬤  Wdrożenie ponad 35 architektur NN i popularnych narzędzi OpenCV.

Dla kogo jest ta książka

.

Ta książka jest przeznaczona dla początkujących użytkowników PyTorch i średnio zaawansowanych praktyków uczenia maszynowego, którzy chcą dobrze poznać techniki wizji komputerowej przy użyciu głębokiego uczenia i PyTorch. Jeśli dopiero zaczynasz swoją przygodę z sieciami neuronowymi, przydatne okażą się przypadki użycia, którym towarzyszą notebooki w serwisie GitHub. Podstawowa znajomość języka programowania Python i uczenia maszynowego to wszystko, czego potrzebujesz, aby rozpocząć pracę z tą książką.