
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
هدف این کتاب این است که شما را با مجموعهای گسترده از پروژههای بینابین تا پیشرفته، بهصورت کاملا عملی درگیر کند؛ پروژههایی که از جدیدترین چارچوب OpenCV 4 استفاده میکنند و بهجای اینکه فقط مفاهیم اصلی بینایی رایانهای را در درسهای نظری پوشش بدهند، با زبان برنامهنویسی پایتون 3.8 کار میکنند. این ویرایش دومِ بهروز، عمق بیشتری به مفاهیمی داده است که در این کتاب با OpenCV مطرح میکنیم. شما را راهنمایی میکند تا روی پروژههای مستقل و کاملا عملی کار کنید؛ پروژههایی که روی مفاهید اساسی بینایی رایانهای تمرکز دارند؛ مثل پردازش تصویر، بازسازی صحنه سهبعدی، تشخیص اشیا و ردیابی اشیا. همچنین، با مثالهایی واقعی، یاد میگیرید که یادگیری آماری و شبکههای عصبی عمیق چگونه کار میکنند.
ابتدا با مفاهیمی مانند فیلترهای تصویری و تطبیق ویژگیها آشنا میشوید و یاد میگیرید از سنسورهای سفارشی هم استفاده کنید؛ مثلا سنسور عمق Kinect. بعد، میآموزید چگونه یک صحنه را در سهبعدی بازسازی و نمایش دهید، تصاویر را همتراز کنید و چند تصویر را در قالب یک تصویر واحد ترکیب کنید. هرچه در کتاب جلوتر میروید، یاد میگیرید نشانههای راهنمایی و رانندگی و احساسات روی چهرهها را تشخیص دهید و در جریانهای ویدیویی، با استفاده از شبکههای عصبی، اشیا را شناسایی و ردیابی کنید؛ حتی اگر این اشیا برای مدت کوتاهی از دید دور شوند.
در پایانِ این کتابِ OpenCV و پایتون، تجربه عملی خواهید داشت و قادر خواهید بود برنامههای پیشرفته بینایی رایانهایِ خودتان را متناسب با نیازهای مشخص کسبوکار توسعه دهید. در طول کتاب، مدلهای مختلف یادگیری ماشین و بینایی رایانهای را بررسی میکنید؛ از جمله ماشینهای بردار پشتیبان (SVM) و شبکههای عصبی پیچشی.
The goal of this book is to get you hands-on with a wide range of intermediate to advanced projects using the latest version of the OpenCV 4 framework and the Python 3.8 language instead of only covering the core concepts of computer vision in theoretical lessons.This updated second edition has increased the depth of the concepts we tackle with OpenCV. It will guide you through working on independent hands-on projects that focus on essential computer vision concepts such as image processing, 3D scene reconstruction, object detection, and object tracking. It will also cover, with real-life examples, statistical learning and deep neural networks.You will begin by understanding concepts such as image filters and feature matching, as well as using custom sensors such as the Kinect depth sensor. You will also learn how to reconstruct and visualize a scene in 3D, how to align images, and how to combine multiple images into a single one. As you advance through the book, you will learn how to recognize traffic signs and emotions on faces and detect and track objects in video streams using neural networks, even if they disappear for short periods of time.By the end of this OpenCV and Python book, you will have hands-on experience and be proficient at developing your own advanced computer vision applications according to specific business needs. Throughout the book, you will explore multiple machine learning and computer vision models such as Support Vector Machines (SVMs) and convolutional neural networks.