Building Computer Vision Applications Using Artificial Neural Networks / Ansari, Shamshad  

Público ISBD Ningún comentario para este registro. Título : Building Computer Vision Applications Using Artificial Neural Networks : With Step-by-Step Examples in OpenCV and TensorFlow with Python Tipo de documento: documento electrónico Autores: Ansari, Shamshad, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2020 Número de páginas: XXII, 451 p. 247 ilustraciones, 201 ilustraciones en color. ISBN/ISSN/DL: 978-1-4842-5887-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático  Python (lenguaje de programa informático)  Software de código abierto  Pitón  Fuente abierta Índice Dewey: 006.31 Máquina de aprendizaje Resumen: Aplique conceptos de visión por computadora y aprendizaje automático en el desarrollo de aplicaciones comerciales e industriales utilizando un enfoque práctico paso a paso. El libro consta de cuatro secciones principales que comienzan con la configuración de su entorno de programación y la configuración de su computadora con todos los requisitos previos para ejecutar los ejemplos de código. La Sección 1 cubre los conceptos básicos del procesamiento de imágenes y videos con ejemplos de código sobre cómo manipular y extraer información útil de las imágenes. Utilizará principalmente OpenCV con Python para trabajar con ejemplos en esta sección. La sección 2 describe los conceptos de aprendizaje automático y redes neuronales aplicados a la visión por computadora. Aprenderá diferentes algoritmos de la red neuronal, como la red neuronal convolucional (CNN), la red neuronal convolucional basada en regiones (R-CNN) y YOLO. En esta sección, también aprenderá cómo entrenar, ajustar y administrar redes neuronales para visión por computadora. La Sección 3 proporciona ejemplos paso a paso del desarrollo de aplicaciones comerciales e industriales, como el reconocimiento facial en videovigilancia y la detección de defectos superficiales en la fabricación. La sección final trata sobre el entrenamiento de redes neuronales que involucran una gran cantidad de imágenes en infraestructura en la nube, como Amazon AWS, Google Cloud Platform y Microsoft Azure. Le guía a través del proceso de entrenamiento de redes neuronales distribuidas para visión por computadora en una infraestructura de nube basada en GPU. Cuando termine de leer Creación de aplicaciones de visión por computadora utilizando redes neuronales artificiales y trabaje con los ejemplos de código, habrá desarrollado algunos casos de uso de visión por computadora en el mundo real con aprendizaje profundo. Usted: · Empleará técnicas de procesamiento, manipulación y extracción de características de imágenes · Trabajará con varios algoritmos de aprendizaje profundo para visión por computadora · Entrenará, administrará y ajustará hiperparámetros de CNN y modelos de detección de objetos, como R-CNN, SSD y YOLO · Cree modelos de redes neuronales utilizando Keras y TensorFlow · Descubra las mejores prácticas al implementar aplicaciones de visión por computadora en los negocios y la industria · Entrene modelos distribuidos en una infraestructura de nube basada en GPU. Nota de contenido: 1. Chapter 1: Prerequisite and Software Installation -- Chapter 2: Core Concepts of Image and Video Processing -- Chapter 3: Techniques of Image Processing -- Chapter 4: Building Artificial Intelligence System for Computer Vision -- Chapter 5: Artificial Neural Network for Computer Vision -- Chapter 6: Practical Example 1- Object Detection in Images -- Chapter 7: Practical Example 2- Object Tracking in Videos -- Chapter 8: Practical Example 3- Facial Detection -- Chapter 9: Industrial Application - Realtime Defect Detection in Industrial Manufacturing -- Chapter 10: Training Machine Learning Model on the Cloud. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Building Computer Vision Applications Using Artificial Neural Networks : With Step-by-Step Examples in OpenCV and TensorFlow with Python [documento electrónico] / Ansari, Shamshad, Autor  . -  1 ed.  . - Berkeley, CA : Apress, 2020 . - XXII, 451 p. 247 ilustraciones, 201 ilustraciones en color. ISBN : 978-1-4842-5887-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático  Python (lenguaje de programa informático)  Software de código abierto  Pitón  Fuente abierta Índice Dewey: 006.31 Máquina de aprendizaje Resumen: Aplique conceptos de visión por computadora y aprendizaje automático en el desarrollo de aplicaciones comerciales e industriales utilizando un enfoque práctico paso a paso. El libro consta de cuatro secciones principales que comienzan con la configuración de su entorno de programación y la configuración de su computadora con todos los requisitos previos para ejecutar los ejemplos de código. La Sección 1 cubre los conceptos básicos del procesamiento de imágenes y videos con ejemplos de código sobre cómo manipular y extraer información útil de las imágenes. Utilizará principalmente OpenCV con Python para trabajar con ejemplos en esta sección. La sección 2 describe los conceptos de aprendizaje automático y redes neuronales aplicados a la visión por computadora. Aprenderá diferentes algoritmos de la red neuronal, como la red neuronal convolucional (CNN), la red neuronal convolucional basada en regiones (R-CNN) y YOLO. En esta sección, también aprenderá cómo entrenar, ajustar y administrar redes neuronales para visión por computadora. La Sección 3 proporciona ejemplos paso a paso del desarrollo de aplicaciones comerciales e industriales, como el reconocimiento facial en videovigilancia y la detección de defectos superficiales en la fabricación. La sección final trata sobre el entrenamiento de redes neuronales que involucran una gran cantidad de imágenes en infraestructura en la nube, como Amazon AWS, Google Cloud Platform y Microsoft Azure. Le guía a través del proceso de entrenamiento de redes neuronales distribuidas para visión por computadora en una infraestructura de nube basada en GPU. Cuando termine de leer Creación de aplicaciones de visión por computadora utilizando redes neuronales artificiales y trabaje con los ejemplos de código, habrá desarrollado algunos casos de uso de visión por computadora en el mundo real con aprendizaje profundo. Usted: · Empleará técnicas de procesamiento, manipulación y extracción de características de imágenes · Trabajará con varios algoritmos de aprendizaje profundo para visión por computadora · Entrenará, administrará y ajustará hiperparámetros de CNN y modelos de detección de objetos, como R-CNN, SSD y YOLO · Cree modelos de redes neuronales utilizando Keras y TensorFlow · Descubra las mejores prácticas al implementar aplicaciones de visión por computadora en los negocios y la industria · Entrene modelos distribuidos en una infraestructura de nube basada en GPU. Nota de contenido: 1. Chapter 1: Prerequisite and Software Installation -- Chapter 2: Core Concepts of Image and Video Processing -- Chapter 3: Techniques of Image Processing -- Chapter 4: Building Artificial Intelligence System for Computer Vision -- Chapter 5: Artificial Neural Network for Computer Vision -- Chapter 6: Practical Example 1- Object Detection in Images -- Chapter 7: Practical Example 2- Object Tracking in Videos -- Chapter 8: Practical Example 3- Facial Detection -- Chapter 9: Industrial Application - Realtime Defect Detection in Industrial Manufacturing -- Chapter 10: Training Machine Learning Model on the Cloud. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200