Book Description: This book is your guide to mastering deep learning applied to practical real-world computer vision problems using the Python programming language and the Keras + mxnet libraries. You will learn how to build and train neural networks from scratch, including convolutional neural networks (CNNs) and recurrent neural networks (RNNs), to solve image classification, object detection, semantic segmentation, facial recognition, and other computer vision tasks. The book begins by introducing the fundamentals of deep learning and its applications in computer vision, followed by an overview of the most popular deep learning frameworks such as TensorFlow, Keras, and PyTorch. You'll learn how to install and set up the necessary software and hardware for deep learning development, including the Python programming language, Keras, and mxnet. Next, you'll dive into the details of building and training CNNs and RNNs, with a focus on practical applications such as image classification, object detection, and facial recognition. You'll learn how to preprocess images and data, design and implement neural network architectures, and optimize performance. The book also covers advanced topics such as transfer learning, fine-tuning pre-trained models, and deploying models to production environments. Throughout the book, you'll work through hands-on exercises and projects that reinforce your understanding of the concepts presented. By the end of this book, you'll have gained the skills and knowledge needed to apply deep learning to real-world computer vision problems and develop intelligent systems that can perceive, process, and understand visual data.

Эта книга - ваше руководство по освоению глубокого обучения, применяемого к практическим реальным задачам компьютерного зрения с использованием языка программирования Python и библиотек Keras + mxnet. Вы узнаете, как строить и обучать нейронные сети с нуля, включая сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN), решать задачи классификации изображений, обнаружения объектов, семантической сегментации, распознавания лиц и другие задачи компьютерного зрения. Книга начинается с введения основ глубокого обучения и его приложений в компьютерном зрении, после чего следует обзор наиболее популярных фреймворков глубокого обучения, таких как TensorFlow, Keras и PyTorch. Вы узнаете, как установить и настроить необходимое программное и аппаратное обеспечение для развития глубокого обучения, включая язык программирования Python, Keras и mxnet. Далее вы познакомитесь с подробностями создания и обучения CNN и RNN, уделяя особое внимание практическим приложениям, таким как классификация изображений, обнаружение объектов и распознавание лиц. Вы узнаете, как предварительно обрабатывать изображения и данные, проектировать и внедрять архитектуры нейронных сетей, а также оптимизировать производительность. В книге также рассматриваются такие расширенные темы, как обучение переносу, тонкая настройка предварительно обученных моделей и развертывание моделей в производственных средах. На протяжении всей книги вы будете работать над практическими упражнениями и проектами, которые укрепят ваше понимание представленных концепций. К концу этой книги вы получите навыки и знания, необходимые для применения глубокого обучения к реальным проблемам компьютерного зрения и разработки интеллектуальных систем, которые могут воспринимать, обрабатывать и понимать визуальные данные.

Ce livre est votre guide pour apprendre l'apprentissage profond appliqué aux tâches réelles pratiques de vision par ordinateur en utilisant le langage de programmation Python et les bibliothèques Keras + mxnet. Vous apprendrez à construire et à former des réseaux neuronaux à partir de zéro, y compris des réseaux neuronaux convolutifs (CNN) et des réseaux neuronaux récurrents (RNN), à relever les défis de la classification des images, de la détection d'objets, de la segmentation sémantique, de la reconnaissance faciale et d'autres tâches de vision par ordinateur. livre commence par l'introduction des bases de l'apprentissage profond et de ses applications dans la vision informatique, suivi d'un aperçu des cadres d'apprentissage profond les plus populaires tels que TensorFlow, Keras et PyTorch. Vous apprendrez comment installer et configurer le logiciel et le matériel nécessaires pour développer l'apprentissage profond, y compris le langage de programmation Python, Keras et mxnet. Ensuite, vous découvrirez les détails de la création et de la formation de CNN et RNN, en mettant l'accent sur des applications pratiques telles que la classification des images, la détection d'objets et la reconnaissance faciale. Vous apprendrez comment prétraiter des images et des données, concevoir et mettre en œuvre des architectures de réseaux neuronaux et optimiser les performances. livre traite également de sujets avancés tels que l'apprentissage de la migration, la configuration fine des modèles pré-formés et le déploiement des modèles dans les environnements de production. Tout au long du livre, vous travaillerez sur des exercices pratiques et des projets qui renforceront votre compréhension des concepts présentés. À la fin de ce livre, vous aurez les compétences et les connaissances nécessaires pour appliquer l'apprentissage profond aux problèmes réels de la vision par ordinateur et pour développer des systèmes intelligents qui peuvent percevoir, traiter et comprendre les données visuelles.

Este libro es su guía para dominar el aprendizaje profundo aplicado a las tareas prácticas reales de visión por computadora utilizando el lenguaje de programación Python y las bibliotecas Keras + mxnet. Aprenderá a construir y entrenar redes neuronales desde cero, incluyendo redes neuronales perforadas (CNN) y redes neuronales recurrativas (RNN), para resolver problemas de clasificación de imágenes, detección de objetos, segmentación semántica, reconocimiento facial y otros problemas de visión por computadora. libro comienza con la introducción de los fundamentos del aprendizaje profundo y sus aplicaciones en la visión informática, seguido de una revisión de los marcos de aprendizaje profundo más populares como TensorFlow, Keras y PyTorch. Aprenderá a instalar y configurar el software y hardware necesarios para desarrollar el aprendizaje profundo, incluido el lenguaje de programación Python, Keras y mxnet. A continuación, conocerá los detalles de la creación y formación de CNN y RNN, centrándose en aplicaciones prácticas como la clasificación de imágenes, la detección de objetos y el reconocimiento facial. Aprenderá a pre-procesar imágenes y datos, diseñar e implementar arquitecturas de redes neuronales y optimizar el rendimiento. libro también aborda temas avanzados como el aprendizaje de transferencia, la configuración fina de modelos pre-entrenados y la implementación de modelos en entornos de producción. A lo largo del libro trabajará en ejercicios prácticos y proyectos que fortalecerán su comprensión de los conceptos presentados. Al final de este libro, obtendrás las habilidades y conocimientos necesarios para aplicar el aprendizaje profundo a los problemas reales de la visión informática y desarrollar sistemas inteligentes que puedan percibir, procesar y entender los datos visuales.

Este livro é o seu guia para aprender o aprendizado profundo aplicado às tarefas reais de visão do computador usando a linguagem de programação Python e as bibliotecas Keras + mxnet. Você vai aprender como construir e treinar redes neurais a partir do zero, incluindo redes neurais comprimidas (CNN) e redes neurais recorrentes (RNN), lidar com as tarefas de classificação de imagens, detecção de objetos, segmentação semântica, reconhecimento facial e outras tarefas de visão de computador. O livro começa introduzindo os fundamentos do aprendizado profundo e suas aplicações na visão do computador, seguindo a revisão dos quadros mais populares de aprendizagem profunda, como TensorFlow, Keras e PyTorch. Você vai aprender como instalar e configurar o software e hardware necessários para desenvolver um aprendizado profundo, incluindo a linguagem de programação Python, Keras e mxnet. A seguir, conhecerá detalhes sobre a criação e o treinamento da CNN e da RNN, com foco em aplicativos práticos, como classificação de imagens, detecção de objetos e reconhecimento facial. Você aprenderá como pré-processar imagens e dados, projetar e implementar arquiteturas de redes neurais e otimizar o desempenho. O livro também aborda temas avançados como treinamento de transferência, configuração fina de modelos pré-treinados e implantação de modelos em ambientes de produção. Durante todo o livro, você vai trabalhar em exercícios práticos e projetos que fortaleçam sua compreensão dos conceitos apresentados. Ao final deste livro, você terá as habilidades e conhecimentos necessários para aplicar a aprendizagem profunda aos verdadeiros problemas de visão do computador e desenvolver sistemas inteligentes que possam capturar, processar e compreender dados visuais.

Dieses Buch ist Ihr itfaden zur Beherrschung des Deep arning, das auf praktische reale Computer-Vision-Aufgaben mit der Programmiersprache Python und den Keras + mxnet-Bibliotheken angewendet wird. e lernen, wie e neuronale Netze von Grund auf aufbauen und trainieren, einschließlich Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs), um Probleme der Bildklassifizierung, Objekterkennung, semantische Segmentierung, Gesichtserkennung und andere Computer Vision-Aufgaben zu lösen. Das Buch beginnt mit einer Einführung in die Grundlagen des Deep arning und seiner Anwendungen im Computer Vision, gefolgt von einem Überblick über die beliebtesten Deep-arning-Frameworks wie TensorFlow, Keras und PyTorch. e lernen, wie e die erforderliche Software und Hardware installieren und konfigurieren, um Deep arning zu entwickeln, einschließlich der Programmiersprache Python, Keras und mxnet. Als nächstes lernen e die Details der Erstellung und Schulung von CNN und RNN kennen, wobei der Schwerpunkt auf praktischen Anwendungen wie Bildklassifizierung, Objekterkennung und Gesichtserkennung liegt. e lernen, wie e Bilder und Daten vorverarbeiten, neuronale Netzwerkarchitekturen entwerfen und implementieren und die istung optimieren. Das Buch behandelt auch erweiterte Themen wie Transporttraining, Feinabstimmung von vortrainierten Modellen und Bereitstellung von Modellen in Produktionsumgebungen. Während des gesamten Buches arbeiten e an praktischen Übungen und Projekten, die Ihr Verständnis der vorgestellten Konzepte stärken. Am Ende dieses Buches erhalten e die Fähigkeiten und Kenntnisse, die e benötigen, um Deep arning auf reale Computer-Vision-Probleme anzuwenden und intelligente Systeme zu entwickeln, die visuelle Daten wahrnehmen, verarbeiten und verstehen können.

''

Bu kitap, Python programlama dilini ve Keras + mxnet kütüphanelerini kullanarak pratik gerçek dünyadaki bilgisayar görme görevlerine uygulanan derin öğrenmede ustalaşma rehberinizdir. Konvolüsyonel sinir ağları (CNN) ve tekrarlayan sinir ağları (RNN) dahil olmak üzere sıfırdan sinir ağlarının nasıl oluşturulacağını ve eğitileceğini, görüntü sınıflandırma, nesne algılama, semantik segmentasyon, yüz tanıma ve diğer bilgisayar görme görevlerini çözmeyi öğreneceksiniz. Kitap, derin öğrenmenin temellerini ve bilgisayar vizyonundaki uygulamalarını tanıtarak başlar, ardından TensorFlow, Keras ve PyTorch gibi en popüler derin öğrenme çerçevelerine genel bir bakış izler. Python programlama dili, Keras ve mxnet dahil olmak üzere derin öğrenmeyi ilerletmek için gerekli yazılım ve donanımın nasıl kurulacağını ve yapılandırılacağını öğrenin. Daha sonra, görüntü sınıflandırma, nesne algılama ve yüz tanıma gibi pratik uygulamalara odaklanan CNN ve RNN oluşturma ve eğitim ayrıntılarını keşfedeceksiniz. Görüntüleri ve verileri önceden işlemeyi, sinir ağı mimarilerini tasarlamayı ve uygulamayı ve performansı optimize etmeyi öğrenin. Kitap ayrıca geçiş eğitimi, önceden eğitilmiş modellerin ince ayarlanması ve modellerin üretim ortamlarında dağıtılması gibi ileri konuları da kapsamaktadır. Kitap boyunca, sunulan kavramları anlamanızı güçlendirecek pratik alıştırmalar ve projeler üzerinde çalışacaksınız. Bu kitabın sonunda, derin öğrenmeyi gerçek dünyadaki bilgisayar görme problemlerine uygulamak ve görsel verileri algılayabilen, işleyebilen ve anlayabilen akıllı sistemler geliştirmek için gereken bilgi ve becerilere sahip olacaksınız.

هذا الكتاب هو دليلك لإتقان التعلم العميق المطبق على مهام رؤية الكمبيوتر العملية في العالم الحقيقي باستخدام لغة برمجة Python ومكتبات Keras + mxnet. ستتعلم كيفية بناء وتدريب الشبكات العصبية من الصفر، بما في ذلك الشبكات العصبية التلافيفية (CNN) والشبكات العصبية المتكررة (RNN)، وحل تصنيف الصور، واكتشاف الكائن، والتجزئة الدلالية، والتعرف على الوجه، ومهام الرؤية الحاسوبية الأخرى. يبدأ الكتاب بتقديم أساسيات التعلم العميق وتطبيقاته في رؤية الكمبيوتر، تليها نظرة عامة على أطر التعلم العميق الأكثر شيوعًا مثل TensorFlow و Keras و PyTorch. تعلم كيفية تثبيت وتكوين البرامج والأجهزة اللازمة لتعزيز التعلم العميق، بما في ذلك لغة برمجة Python و Keras و mxnet. بعد ذلك، ستستكشف تفاصيل إنشاء وتدريب CNN و RNN، مع التركيز على التطبيقات العملية مثل تصنيف الصور واكتشاف الكائن والتعرف على الوجه. تعلم كيفية معالجة الصور والبيانات مسبقًا، وتصميم وتنفيذ بنى الشبكات العصبية، وتحسين الأداء. يغطي الكتاب أيضًا موضوعات متقدمة مثل التدريب على الهجرة، وصقل النماذج المدربة مسبقًا، ونشر النماذج في بيئات الإنتاج. في جميع أنحاء الكتاب، ستعمل على تمارين ومشاريع عملية من شأنها تعزيز فهمك للمفاهيم المقدمة. بحلول نهاية هذا الكتاب، سيكون لديك المهارات والمعرفة اللازمة لتطبيق التعلم العميق على مشاكل رؤية الكمبيوتر في العالم الحقيقي وتطوير أنظمة ذكية يمكنها إدراك البيانات المرئية ومعالجتها وفهمها.