Viziune computerizată modernă cu PyTorch: Explorați conceptele de învățare profundă și implementați peste 50 de aplicații de imagine din lumea reală

Recenzii ale cititorilor

Cartea „Modern Computer Vision with PyTorch” este apreciată pentru abordarea sa structurată de învățare, pentru acoperirea cuprinzătoare a subiectelor de bază și avansate din viziunea computerizată și învățarea profundă, precum și pentru exemplele bine explicate folosind PyTorch. Mulți utilizatori o consideră benefică atât pentru începători, cât și pentru practicienii mai experimentați, datorită accentului său practic și a exemplelor practice de codificare. Cu toate acestea, unii recenzenți au remarcat că lipsa culorilor în textul tipărit îl face dificil de citit și au existat câteva critici privind profunzimea explicațiilor și organizarea conținutului.

⬤ Acoperire bine structurată și cuprinzătoare a subiectelor de deep learning și computer vision
⬤ exemple practice și explicații clare
⬤ potrivit atât pentru începători, cât și pentru utilizatorii avansați
⬤ include o gamă largă de tehnici și implementări în PyTorch
⬤ exercițiile practice de codare îmbunătățesc învățarea
⬤ resursă oportună care consolidează informațiile dispersate în domeniu.

⬤ Lipsa culorilor în codul tipărit îl face greu de citit
⬤ unii utilizatori au găsit explicațiile superficiale și lipsite de profunzime
⬤ câțiva recenzenți au menționat dezorganizarea structurii care a făcut dificilă urmărirea unei căi logice de învățare.

(pe baza a 24 recenzii ale cititorilor)

Titlul original:

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

Conținutul cărții:

Familiarizați-vă cu tehnicile de învățare profundă pentru crearea de aplicații de procesare a imaginilor utilizând PyTorch cu ajutorul caietelor de coduri și al întrebărilor de testare

Caracteristici principale

⬤ Implementați soluții pentru 50 de aplicații reale de viziune computerizată utilizând PyTorch.

⬤ Înțelegeți teoria și mecanismele de lucru ale arhitecturilor rețelelor neuronale și implementarea lor.

⬤ Descoperiți cele mai bune practici utilizând o bibliotecă personalizată creată special pentru această carte.

Descrierea cărții

Învățarea profundă este forța motrice din spatele multor progrese recente în diverse aplicații de viziune computerizată (CV). Această carte adoptă o abordare practică pentru a vă ajuta să rezolvați peste 50 de probleme CV utilizând PyTorch1. x pe seturi de date reale.

Veți începe prin a construi o rețea neuronală (NN) de la zero folosind NumPy și PyTorch și veți descoperi cele mai bune practici pentru ajustarea hiperparametrilor acesteia. Veți efectua apoi clasificarea imaginilor utilizând rețele neuronale convoluționale și învățarea prin transfer și veți înțelege cum funcționează acestea. Pe măsură ce progresați, veți implementa mai multe cazuri de utilizare a detectării 2D și 3D a mai multor obiecte, segmentarea, estimarea poziției umane prin învățarea despre familia R-CNN, arhitecturile SSD, YOLO, U-Net și platforma Detectron2. Cartea vă va ghida, de asemenea, în efectuarea schimbului de expresii faciale, generarea de fețe noi și manipularea expresiilor faciale pe măsură ce explorați autoencoderele și rețelele adversariale generative moderne. Veți învăța cum să combinați CV cu tehnici NLP, cum ar fi LSTM și transformator, și tehnici RL, cum ar fi Deep Q-learning, pentru a implementa OCR, subtitrarea imaginilor, detectarea obiectelor și un agent pentru o mașină care se conduce singură. În cele din urmă, vă veți muta modelul NN în producție pe AWS Cloud.

Până la sfârșitul acestei cărți, veți putea să vă folosiți de arhitecturile NN moderne pentru a rezolva cu încredere peste 50 de probleme CV din lumea reală.

Ce veți învăța

⬤  Pregătiți un NN de la zero cu NumPy și PyTorch.

⬤  Implementați detectarea și segmentarea 2D și 3D a obiectelor multiple.

⬤  Generați cifre și DeepFakes cu autoencodere și GAN-uri avansate.

⬤  Manipularea imaginilor utilizând CycleGAN, Pix2PixGAN, StyleGAN2 și SRGAN.

⬤  Combinarea CV cu NLP pentru a efectua OCR, subtitrarea imaginilor și detectarea obiectelor.

⬤  Combinați CV cu învățarea prin consolidare pentru a construi agenți care joacă pong și conduc singuri o mașină.

⬤  Deplasați un model de învățare profundă pe serverul AWS utilizând FastAPI și Docker.

⬤  Implementați peste 35 de arhitecturi NN și utilități OpenCV comune.

Pentru cine este această carte

.

Această carte este destinată începătorilor în PyTorch și practicienilor de învățare automată de nivel intermediar care doresc să se familiarizeze cu tehnicile de viziune computerizată utilizând învățarea profundă și PyTorch. Dacă sunteți la început cu rețelele neuronale, veți găsi utile cazurile de utilizare însoțite de notebook-uri în GitHub prezente în această carte. Cunoștințele de bază ale limbajului de programare Python și ale învățării automate sunt tot ceea ce aveți nevoie pentru a începe cu această carte.