計算機視覺是許多前沿創新的核心，包括自動駕駛汽車、無人機、增強現實、面部識別等等。由于人工智能和深度學習(DL)的快速發展，每天都有驚人的新的計算機視覺應用程序被開發出來。這本《深度學習視覺系統》教你的概念和工具，建立智能，可擴展的計算機視覺系統，可以識別和反應的對象，在圖像，視頻，和現實生活。有了作者Mohamed Elgendy的專家指導和現實世界項目的說明，您將最終掌握最先進的深度學習技術，這樣您就可以構建、貢獻和領導令人興奮的計算機視覺領域!
對這項技術
通過使用深度神經網絡，人工智能系統根據它們對輸入數據的感知做出決策。基于深度學習的計算機視覺(CV)技術，增強和解釋視覺感知，使圖像識別、生成和分類等任務成為可能。CV的令人興奮的進步已經在包括機器人、自動化、農業、醫療保健和安全在內的廣泛行業中產生了解決方案。在許多情況下，CV被認為比人類視覺更準確，這是一個重要的區別，當你想到CV程序可以檢測皮膚癌或在醫學診斷掃描中發現異常時。無論我們談論的是自動駕駛汽車還是拯救生命的醫療項目，毫無疑問，計算機視覺的深度學習應用正在改變世界。
百度網盤：鏈接: //pan.baidu.com/s/1nhgWcnW4Yf8f40DF3zGdHg 提取碼: 9vzk
關于這本書 深度學習視覺系統教你應用深度學習技術來解決真實世界的計算機視覺問題。DL和CV專家Mohamed Elgendy以其簡單易懂的風格向您介紹了視覺直覺的概念——機器如何學習理解它所看到的東西。然后你將探索不同簡歷應用中的DL算法。你將深入到簡歷解釋系統或管道的不同部分。使用Python、OpenCV、Keras、Tensorflow和Amazon的MxNet，您將發現解決CV問題的高級DL技術。
我們聚焦的應用包括圖像分類、分割、字幕描述、生成以及人臉識別和分析。您還將學習最重要的深度學習體系結構，包括人工神經網絡(ANNs)、卷積網絡(cns)和遞歸網絡(RNNs)，您可以將這些知識應用到相關的深度學習學科，如自然語言處理和語音用戶界面。來自Amazon、谷歌和Facebook的真實的、可擴展的項目把這一切都帶回家了。有了這本無價的書，你將獲得必要的技能，以建立驚人的端到端的CV項目，解決現實世界的問題。
里面有什么
- 計算機視覺概論
- 深度學習和神經網絡
- 轉移學習和先進的CNN架構
- 圖像分類和字幕
- 使用YOLO、SSD和R-CNN進行目標檢測
- 風格轉移
- AI倫理
- 實際項目
目錄：
Part I. DEEP LEARNING FOUNDATION
- Introduction to Computer Vision
- Deep learning and neural networks
- Convolutional Neural Networks (CNNs)
- Improving deep neural networks and hyperparameters tuningart I. Image Classification and Object Detection
- Advanced CNN architectures
- Transfer learning
- Object detection with YOLO, SSD and R-CNNPART III. Generative Models
- Generative Adversarial Networks (GANs)
- DeepDream and Neural Style Transfer
- Visual Embeddings
付費5元查看完整內容
相關內容
主題： A Review on Deep Learning Techniques for Video Prediction
摘要： 預測，預期和推理未來結果的能力是智能決策系統的關鍵組成部分。鑒于深度學習在計算機視覺中的成功，基于深度學習的視頻預測已成為有前途的研究方向。視頻預測被定義為一種自我監督的學習任務，它代表了一個表示學習的合適框架，因為它展示了提取自然視頻中潛在模式的有意義的表示的潛在能力。視頻序列預測的深度學習方法。我們首先定義視頻預測的基礎知識，以及強制性的背景概念和最常用的數據集。接下來，我們會仔細分析根據擬議的分類法組織的現有視頻預測模型，突出顯示它們的貢獻及其在該領域的意義。數據集和方法的摘要均附有實驗結果，有助于在定量基礎上評估現有技術。通過得出一些一般性結論，確定開放研究挑戰并指出未來的研究方向來對本文進行總結。
付費5元查看完整內容
人類從反饋中學習得最好——我們被鼓勵采取導致積極結果的行動，而被具有消極后果的決定所阻礙。這種強化過程可以應用到計算機程序中，使它們能夠解決經典編程所不能解決的更復雜的問題。深度強化學習實戰教你基本概念和術語的深度強化學習，以及實踐技能和技術，你將需要把它落實到你自己的項目。
對這項技術
深度強化學習是一種機器學習的形式，人工智能智能體從自己的原始感官輸入中學習最優行為。系統感知環境，解釋其過去決策的結果，并使用這些信息優化其行為以獲得最大的長期回報。眾所周知，深度強化學習對AlphaGo的成功做出了貢獻，但這并不是它所能做的全部!更令人興奮的應用程序等待被發現。讓我們開始吧。
關于這本書
深度強化學習實戰中教你如何編程的代理人，學習和改善的直接反饋，從他們的環境。您將使用流行的PyTorch深度學習框架構建網絡，以探索從深度Q-Networks到策略梯度方法再到進化算法的強化學習算法。在你進行的過程中，你會將你所知道的應用到實際操作項目中，比如控制模擬機器人、自動化股票市場交易，甚至構建一個可以下圍棋的機器人。
里面有什么
- 將問題組織成馬爾可夫決策過程
- 深度Q網絡、策略梯度法、進化算法等流行算法及其驅動算法的直覺
- 將強化學習算法應用于實際問題
付費5元查看完整內容
掌握通過機器學習和深度學習識別和解決復雜問題的基本技能。使用真實世界的例子，利用流行的Python機器學習生態系統，這本書是你學習機器學習的藝術和科學成為一個成功的實踐者的完美伴侶。本書中使用的概念、技術、工具、框架和方法將教會您如何成功地思考、設計、構建和執行機器學習系統和項目。
使用Python進行的實際機器學習遵循結構化和全面的三層方法，其中包含了實踐示例和代碼。
第1部分側重于理解機器學習的概念和工具。這包括機器學習基礎，對算法、技術、概念和應用程序的廣泛概述，然后介紹整個Python機器學習生態系統。還包括有用的機器學習工具、庫和框架的簡要指南。
第2部分詳細介紹了標準的機器學習流程，重點介紹了數據處理分析、特征工程和建模。您將學習如何處理、總結和可視化各種形式的數據。特性工程和選擇方法將詳細介紹真實數據集，然后是模型構建、調優、解釋和部署。
第3部分探討了多個真實世界的案例研究，涵蓋了零售、交通、電影、音樂、營銷、計算機視覺和金融等不同領域和行業。對于每個案例研究，您將學習各種機器學習技術和方法的應用。動手的例子將幫助您熟悉最先進的機器學習工具和技術，并了解什么算法最適合任何問題。
實用的機器學習與Python將授權您開始解決您自己的問題與機器學習今天!
你將學習：
- 執行端到端機器學習項目和系統
- 使用行業標準、開放源碼、健壯的機器學習工具和框架實現實踐示例
- 回顧描述機器學習和深度學習在不同領域和行業中的應用的案例研究
- 廣泛應用機器學習模型，包括回歸、分類和聚類。
- 理解和應用深度學習的最新模式和方法，包括CNNs、RNNs、LSTMs和transfer learning。
這本書是給誰看的 IT專業人士、分析師、開發人員、數據科學家、工程師、研究生
目錄：
Part I: Understanding Machine Learning
- Chapter 1: Machine Learning Basics
- Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
- Chapter 3: Processing, Wrangling and Visualizing Data
- Chapter 4: Feature Engineering and Selection
- Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
- Chapter 6: Analyzing Bike Sharing Trends
- Chapter 7: Analyzing Movie Reviews Sentiment
- Chapter 8: Customer Segmentation and Effective Cross Selling
- Chapter 9: Analyzing Wine Types and Quality
- Chapter 10: Analyzing Music Trends and Recommendations
- Chapter 11: Forecasting Stock and Commodity Prices
Chapter 12: Deep Learning for Computer Vision
付費5元查看完整內容
地址：
//www.apress.com/gp/book/9781484251232
利用MATLAB的強大功能來應對深度學習的挑戰。本書介紹了深度學習和使用MATLAB的深度學習工具箱。您將看到這些工具箱如何提供實現深度學習所有方面所需的完整功能集。
在此過程中，您將學習建模復雜的系統，包括股票市場、自然語言和僅確定角度的軌道。您將學習動力學和控制，并使用MATLAB集成深度學習算法和方法。您還將使用圖像將深度學習應用于飛機導航。
最后，您將使用慣性測量單元對ballet pirouettes進行分類，并使用MATLAB的硬件功能進行實驗。
你會學到什么
- 使用MATLAB探索深度學習，并將其與算法進行比較
- 在MATLAB中編寫一個深度學習函數，并用實例進行訓練
- 使用與深度學習相關的MATLAB工具箱
- 實現托卡馬克中斷預測
這本書是給誰看的：
工程師、數據科學家和學生想要一本關于使用MATLAB進行深度學習的例子豐富的書。
付費5元查看完整內容
簡介：
使用Python、OpenCV庫構建計算機視覺的實際應用程序。這本書討論了不同方面的計算機視覺，如圖像和對象檢測，跟蹤和運動分析及其應用實例。作者首先介紹了計算機視覺，然后使用Python從頭開始創建OpenCV。下一節討論專門的圖像處理和分割，以及計算機如何存儲和處理圖像。這涉及到使用OpenCV庫進行模式識別和圖像標記。接下來，將使用OpenCV處理對象檢測、視頻存儲和解釋，以及人類檢測。跟蹤和運動也進行了詳細的討論。該書還討論了如何使用CNN和RNN創建復雜的深度學習模型。最后對計算機視覺的應用現狀和發展趨勢進行了總結。
閱讀本書之后，您將能夠理解并使用Python、OpenCV實現計算機視覺及其應用程序。您還將能夠使用CNN和RNN創建深度學習模型，并了解這些前沿的深度學習架構是如何工作的。
您將學習
- 了解什么是計算機視覺以及它在智能自動化系統中的整體應用。
- 探索構建計算機視覺應用程序所需的深度學習技術。
- 使用OpenCV、Python和NumPy中的最新技術構建復雜的計算機視覺應用程序。
- 創建實際的應用程序，如：人臉檢測和識別，手寫識別，對象檢測，跟蹤和運動分析。
作者：
Sunila Gollapudi是Broadridge Financial Solutions India (Pvt)有限公司的執行副總裁。擁有超過17年的架構、設計和開發以客戶為中心、企業級和數據驅動的解決方案的經驗。在過去的十年中，她主要專注于銀行和金融服務領域，是一名數據鑒賞家和架構師，擅長設計一個通過分析最大化數據價值的整體數據策略。她的專長包括通過綜合業務和領域驅動因素以及大數據工程和分析領域的新興技術趨勢來構建整體智能自動化戰略;領導針對CI/CD的云遷移和DevOps戰略;指導應用程序現代化、重用和技術標準化計劃。
付費5元查看完整內容
地址：
//www.apress.com/gp/book/9781484228449
從MATLAB開始進行深度學習，掌握人工智能。在這本書中，你從機器學習基礎開始，然后繼續學習神經網絡，深度學習，然后是卷積神經網絡。在基礎和應用的混合，MATLAB深度學習使用MATLAB作為基礎編程語言和工具的例子和案例研究，在這本書。
有了這本書，你將能夠解決當今現實世界中的一些大數據、智能機器人和其他復雜的數據問題。您將看到，對于現代智能數據分析和使用來說，深度學習是機器學習中多么復雜和智能的一個方面。
你將學習：
- 使用MATLAB進行深度學習
- 發現神經網絡和多層神經網絡
- 處理卷積和池化層
- 使用這些層構建一個MNIST示例
這本書是給誰看的
想用MATLAB學習深度學習的同學。一些MATLAB的經驗可能會有用。
Phil Kim博士是一位經驗豐富的MATLAB程序員和用戶。他還研究從人工智能和機器學習中提取的大型數據集的算法。他曾在韓國航空航天研究院擔任高級研究員。在那里，他的主要任務是為無人機開發自主飛行算法和機載軟件。一個名為“Clickey”的屏幕鍵盤程序是他在攻讀博士學位期間開發的，它充當了一個橋梁，將作者帶到了他目前的工作崗位——韓國國立康復研究所(National Rehabilitation Research Institute of Korea)高級研究員。
目錄：
- Chapter 1: Machine Learning 1
- Chapter 2: Neural Network 19
- Chapter 3: Training of Multi-Layer Neural Network 53
- Chapter 4: Neural Network and Classification 81
- Chapter 5: Deep Learning 103
- Chapter 6: Convolutional Neural Network 121
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191