Modern Computer Vision with PyTorch
Autor V Kishore Ayyadevara, Yeshwanth Reddyen Limba Engleză Paperback – 27 noi 2020
Adresat în principal începătorilor în ecosistemul PyTorch și practicienilor de nivel intermediar, acest volum reprezintă un ghid tehnic riguros pentru dezvoltarea aplicațiilor de procesare a imaginilor. Putem afirma că lucrarea se distinge prin pragmatismul abordării, structurând peste 50 de scenarii de utilizare reală, de la clasificarea de bază până la manipulări complexe de tip DeepFake și sisteme pentru vehicule autonome. Notăm cu interes tranziția fluidă de la teoria fundamentală a rețelelor neuronale — implementate inițial în NumPy pentru înțelegerea mecanismelor interne — la utilizarea bibliotecilor specializate și a platformei Detectron2. Merită menționat că autorii nu se limitează la analiza statică a imaginilor; aceștia extind aria de expertiză către intersecția dintre Computer Vision și NLP, utilizând arhitecturi Transformer pentru descrierea automată a imaginilor (image captioning). Cititorul care a aplicat ideile din Deep Learning with Pytorch de Subramanian, Vishnu va găsi aici o extensie practică considerabilă, trecând de la conceptele generale de deep learning la implementări specifice de segmentare 3D și estimare a posturii umane. În comparație cu Learn Computer Vision Using OpenCV, care se axează pe procesarea tradițională a imaginilor, acest manual pune accentul pe puterea rețelelor generative (GAN) și a învățării prin recompensă. În contextul operei autorului V Kishore Ayyadevara, volumul de față rafinează conceptele de optimizare discutate în Pro Machine Learning Algorithms, oferind instrumente concrete pentru reglarea hiperparametrilor într-un mediu de producție. Finalizarea parcursului de învățare prin implementarea pe AWS Cloud cu Docker și FastAPI transformă acest titlu dintr-un simplu manual de laborator într-o resursă esențială pentru inginerii care vizează livrarea de soluții scalabile.
Preț: 379.33 lei
Preț vechi: 474.16 lei
-20%
Carte tipărită la comandă
Livrare economică 15-29 iunie
Specificații
ISBN-10: 1839213477
Pagini: 824
Dimensiuni: 191 x 235 x 44 mm
Greutate: 1.51 kg
Editura: Packt Publishing
V-ar putea interesa
-
-30%Preț: 552.17 lei783.60 lei -
Refactoring: Improving the Design of Existing CodeMartin Fowler-20%Preț: 381.67 lei477.09 lei -
Database Design for Mere MortalsMichael J Hernandez-20%Preț: 279.93 lei349.92 lei -
Deep LearningIan Goodfellow-20%Preț: 607.64 lei759.54 lei -
The Elements of Statistical LearningJerome Friedman-20%Preț: 513.14 lei641.42 lei -
Artificial Intelligence EnginesJames V. Stone-20%Preț: 187.92 lei234.90 lei -
Machine Learning Design PatternsValliappa Lakshmanan-20%Preț: 305.99 lei382.49 lei -
Practical Linear Algebra for Data ScienceMike X Cohen-8%Preț: 389.15 lei423.00 lei -
Computer Vision: Models, Learning, and InferenceSimon J. D. Prince-20%Preț: 561.50 lei701.88 lei -
Mathematics for Machine LearningMarc Peter Deisenroth-20%Preț: 308.72 lei385.90 lei -
Cybersecurity Risk ManagementCynthia Brumfield-20%Preț: 574.07 lei717.58 lei -
-20%Preț: 320.77 lei400.95 lei -
-39%Preț: 139.74 lei230.23 lei -
Serious Cryptography: A Practical Introduction to Modern EncryptionJean-Philippe Aumasson-37%Preț: 234.69 lei372.53 lei -
The Hardware Hacking Handbook: Breaking Embedded Security with Hardware AttacksJasper van Woudenberg-36%Preț: 243.41 lei381.47 lei -
Deep Learning for Vision SystemsMohamed Elgendy-20%Preț: 358.56 lei448.21 lei -
-37%Preț: 281.78 lei447.10 lei -
-37%Preț: 270.46 lei426.33 lei -
-31%Preț: 236.32 lei343.15 lei -
scikit-learn Cookbook - Second EditionJulian Avila-20%Preț: 243.56 lei304.45 lei -
Hands-On Design Patterns with C++Fedor G. Pikus-20%Preț: 293.48 lei366.86 lei -
Neural Networks with Keras CookbookV Kishore Ayyadevara-20%Preț: 255.80 lei319.75 lei -
Expert Python Programming - Fourth EditionMichal Jaworski-20%Preț: 284.14 lei355.17 lei -
Hands-On Mathematics for Deep LearningJay Dawani-20%Preț: 242.93 lei303.66 lei -
Mastering Machine Learning Algorithms - Second EditionGiuseppe Bonaccorso-20%Preț: 294.74 lei368.42 lei -
Machine LearningPaul WilmottPreț: 127.59 lei -
Computer VisionRichard Szeliski-20%Preț: 539.28 lei674.10 lei
De ce să citești această carte
Recomandăm această carte programatorilor Python care doresc să stăpânească viziunea artificială prin practică intensivă. Veți câștiga experiență directă în implementarea a peste 35 de arhitecturi moderne (YOLO, GAN, Transformers) și veți învăța să integrați modelele în fluxuri de producție cloud. Este resursa ideală pentru a trece de la teoria rețelelor neuronale la construcția unor sisteme complexe precum agenți pentru mașini autonome sau soluții avansate de OCR.
Despre autor
V Kishore Ayyadevara este un expert în tehnologii emergente, cu o experiență vastă în machine learning și inteligență artificială, fiind autorul unor lucrări de referință precum Neural Networks with Keras Cookbook. Alături de Yeshwanth Reddy, acesta se concentrează pe reducerea decalajului dintre înțelegerea algoritmică teoretică și implementarea tehnică de finisare (fine-tuning). Abordarea sa pedagogică pune accent pe rezolvarea problemelor de business prin cod optimizat, expertiza sa fiind vizibilă în modul în care ghidează cititorul prin arhitecturi complexe de deep learning, adaptându-le pentru cerințele actuale ale industriei IT.
Descriere scurtă
Key Features
- Implement solutions to 50 real-world computer vision applications using PyTorch
- Understand the theory and working mechanisms of neural network architectures and their implementation
- Discover best practices using a custom library created especially for this book
Book Description
Deep learning is the driving force behind many recent advances in various computer vision (CV) applications. This book takes a hands-on approach to help you to solve over 50 CV problems using PyTorch1.x on real-world datasets.
You'll start by building a neural network (NN) from scratch using NumPy and PyTorch and discover best practices for tweaking its hyperparameters. You'll then perform image classification using convolutional neural networks and transfer learning and understand how they work. As you progress, you'll implement multiple use cases of 2D and 3D multi-object detection, segmentation, human-pose-estimation by learning about the R-CNN family, SSD, YOLO, U-Net architectures, and the Detectron2 platform. The book will also guide you in performing facial expression swapping, generating new faces, and manipulating facial expressions as you explore autoencoders and modern generative adversarial networks. You'll learn how to combine CV with NLP techniques, such as LSTM and transformer, and RL techniques, such as Deep Q-learning, to implement OCR, image captioning, object detection, and a self-driving car agent. Finally, you'll move your NN model to production on the AWS Cloud.
By the end of this book, you'll be able to leverage modern NN architectures to solve over 50 real-world CV problems confidently.
What You Will Learn
- Train a NN from scratch with NumPy and PyTorch
- Implement 2D and 3D multi-object detection and segmentation
- Generate digits and DeepFakes with autoencoders and advanced GANs
- Manipulate images using CycleGAN, Pix2PixGAN, StyleGAN2, and SRGAN
- Combine CV with NLP to perform OCR, image captioning, and object detection
- Combine CV with reinforcement learning to build agents that play pong and self-drive a car
- Deploy a deep learning model on the AWS server using FastAPI and Docker
- Implement over 35 NN architectures and common OpenCV utilities
Who this book is for
This book is for beginners to PyTorch and intermediate-level machine learning practitioners who are looking to get well-versed with computer vision techniques using deep learning and PyTorch. If you are just getting started with neural networks, you'll find the use cases accompanied by notebooks in GitHub present in this book useful. Basic knowledge of the Python programming language and machine learning is all you need to get started with this book.