Masterclass de procesare a imaginilor cu Python: 50+ Soluții și tehnici Rezolvarea provocărilor complexe de procesare digitală a imaginilor utilizând Numpy, Scipy, Pytorch

Recenzii ale cititorilor

Cartea este foarte apreciată pentru acoperirea cuprinzătoare a subiectelor de procesare a imaginilor și pentru exemplele sale practice de codificare care utilizează bibliotecile Python. Cu toate acestea, se remarcă faptul că cartea nu este potrivită pentru începători din cauza complexității explicațiilor furnizate.

⬤ Acoperire cuprinzătoare a principalelor subiecte de procesare a imaginilor
⬤ include exemple practice de codare în Python folosind biblioteci precum Numpy, Scipy, Pytorch și Keras
⬤ foarte recomandată pentru experții aspiranți în procesarea imaginilor.

Nu este potrivit pentru începători; unele explicații de cod sunt neclare și se doresc mai multe detalii privind conceptele fundamentale.

(pe baza a 2 recenzii ale cititorilor)

Titlul original:

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

Conținutul cărții:

Peste 50 de probleme rezolvate cu algoritmi clasici + modele ML / DL

Caracteristici cheie

⬤  Abordare axată pe probleme pentru a practica procesarea imaginilor.

⬤  Utilizarea practică a bibliotecilor Python populare: Numpy, Scipy, scikit-image, PIL și SimpleITK.

⬤  Demonstrarea end-to-end a provocărilor populare de procesare a imaginilor faciale utilizând MTCNN și API-urile Cognitive Vision ale Microsoft.

Descriere

Această carte începe cu probleme de bază de prelucrare și manipulare a imaginilor și demonstrează cum să le rezolvați cu biblioteci și module Python populare. Apoi se concentrează pe probleme bazate pe transformări geometrice ale imaginii și probleme care trebuie rezolvate cu Image hashing.

În continuare, cartea se concentrează pe rezolvarea problemelor bazate pe eșantionare, convoluție, transformarea Fourier discretă, filtrarea în domeniul frecvenței și restaurarea imaginilor cu deconvoluție. De asemenea, vizează rezolvarea problemelor de îmbunătățire a imaginii utilizând diferiți algoritmi, cum ar fi filtrele spațiale și crearea unei imagini de super rezoluție utilizând SRGAN.

În cele din urmă, acesta explorează probleme populare de procesare a imaginilor faciale și le rezolvă cu modele de învățare automată și de învățare profundă folosind biblioteci populare ML / DL Python.

Ce veți învăța

⬤  Dezvoltați o aderență puternică asupra fundamentelor procesării imaginilor și manipulării imaginilor.

⬤  Rezolvarea problemelor populare de prelucrare a imaginilor utilizând modele de învățare automată și de învățare profundă.

⬤  Cunoștințe de lucru privind bibliotecile Python, inclusiv numpy, scipy și scikit-image.

⬤  Utilizați pachetele populare Python Machine Learning, cum ar fi scikit-learn, Keras și pytorch.

⬤  Implementarea live a tehnicilor de procesare a imaginilor faciale, cum ar fi detectarea / recunoașterea / parsarea feței dlib și MTCNN.

Pentru cine este această carte

Această carte este concepută special pentru utilizatorii de viziune computerizată, inginerii de învățare automată, experții în procesarea imaginilor care caută să rezolve provocările moderne de procesare a imaginilor / viziune computerizată.

Tabla de conținut

1. Capitolul 1: Prelucrarea de bază a imaginilor și video.

2. Capitolul 2: Mai multe transformări și manipulări de imagini.

3. Capitolul 3: Eșantionare, convoluție și transformata Fourier discretă.

4. Capitolul 4: Transformarea discretă cosinus / Wavelet și deconvoluția.

5. Capitolul 5: Îmbunătățirea imaginilor.

6. Capitolul 6: Alte îmbunătățiri ale imaginii.

7. Capitolul 7: Procesarea imaginii feței.

Despre autor

Sandipan Dey este un cercetător de date cu o gamă largă de interese, acoperind subiecte precum învățarea automată, învățarea profundă, procesarea imaginilor și viziunea computerizată. A lucrat în numeroase domenii ale științei datelor, cum ar fi sistemele de recomandare, modelele predictive pentru industria evenimentelor, modelele de localizare a senzorilor, analiza sentimentelor și prognosticul dispozitivelor. Și-a obținut masteratul în informatică la Universitatea din Maryland, Baltimore County, și a publicat în câteva conferințe și reviste IEEE de data mining. De asemenea, este autorul câtorva cărți despre procesarea imaginilor, publicate de o editură internațională. A obținut certificări de la peste 100 de MOOC-uri privind știința datelor și cursuri conexe. Este un blogger regulat (la sandipanweb @wordpress, medium și data science central) și este un entuziast al educației Machine Learning.

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