یادگیری عمیق برای سیستم‌های بینایی ۲۰۲۰
Deep Learning for Vision Systems 2020

چگونه کامپیوتر یاد می‌گیرد تا آنچه را که می‌بیند، درک کند؟ کتاب *یادگیری عمیق برای سیستم‌های بینایی* با به‌کارگیری یادگیری عمیق در بینایی کامپیوتر به این سوال پاسخ می‌دهد. این کتاب با استفاده از مبانی جبر دبیرستان، مفاهیم پشت شهود بصری را روشن می‌کند. شما درک خواهید کرد که چگونه از معماری‌های یادگیری عمیق برای ساخت برنامه‌های کاربردی سیستم بینایی برای تولید تصویر و تشخیص چهره استفاده کنید.

**خلاصه**

بینایی کامپیوتر نقشی اساسی در بسیاری از نوآوری‌های پیشرو، از جمله خودروهای خودران، پهپادها، واقعیت افزوده، تشخیص چهره و بسیاری موارد دیگر دارد. به لطف پیشرفت‌های سریع در هوش مصنوعی و یادگیری عمیق (DL)، برنامه‌های کاربردی جدید بینایی کامپیوتر به طور روزانه در حال توسعه هستند. کتاب *یادگیری عمیق برای سیستم‌های بینایی* مفاهیم و ابزارهایی را برای ساخت سیستم‌های بینایی کامپیوتر هوشمند و مقیاس‌پذیر که می‌توانند اشیاء را در تصاویر، ویدیوها و زندگی واقعی شناسایی و به آن‌ها واکنش نشان دهند، به شما آموزش می‌دهد. با آموزش‌های تخصصی و تصویرسازی پروژه‌های واقعی نویسنده، محمد الجندی، شما در نهایت تکنیک‌های پیشرفته یادگیری عمیق را درک خواهید کرد، بنابراین می‌توانید در قلمرو هیجان‌انگیز بینایی کامپیوتر، مشارکت و رهبری کنید!

با خرید نسخه چاپی کتاب، یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از Manning Publications دریافت خواهید کرد.

**درباره‌ی فناوری**

بینایی کامپیوتر چقدر پیشرفت کرده است؟ یک سواری با تسلا تنها پاسخی است که به آن نیاز خواهید داشت. تکنیک‌های یادگیری عمیق منجر به پیشرفت‌های هیجان‌انگیزی در تشخیص چهره، شبیه‌سازی‌های تعاملی و تصویربرداری پزشکی شده است، اما هیچ‌چیز مانند دیدن واکنش یک خودرو به محرک‌های دنیای واقعی در حین رانندگی در بزرگراه نیست.

**درباره‌ی کتاب**

چگونه کامپیوتر یاد می‌گیرد تا آنچه را که می‌بیند، درک کند؟ کتاب *یادگیری عمیق برای سیستم‌های بینایی* با به‌کارگیری یادگیری عمیق در بینایی کامپیوتر به این سوال پاسخ می‌دهد. این کتاب با استفاده از مبانی جبر دبیرستان، مفاهیم پشت شهود بصری را روشن می‌کند. شما درک خواهید کرد که چگونه از معماری‌های یادگیری عمیق برای ساخت برنامه‌های کاربردی سیستم بینایی برای تولید تصویر و تشخیص چهره استفاده کنید.

**درون این کتاب چه می‌گذرد**

* طبقه‌بندی تصویر و تشخیص شیء
* معماری‌های پیشرفته یادگیری عمیق
* انتقال یادگیری و شبکه‌های مولد تخاصمی (GANs)
* DeepDream و انتقال سبک عصبی
* تعبیه‌های بصری و جستجوی تصویر

**درباره‌ی خواننده**

برای برنامه‌نویسان پایتون با سطح متوسط.

**درباره‌ی نویسنده**

**محمد الجندی** معاون مهندسی در Rakuten است. او یک متخصص باتجربه در زمینه هوش مصنوعی است و پیش از این محصولات هوش مصنوعی را در Amazon و Twilio ساخته و مدیریت کرده است.

**فهرست مطالب**

بخش 1 – مبانی یادگیری عمیق

1 خوش آمدید به بینایی کامپیوتر

2 یادگیری عمیق و شبکه‌های عصبی

3 شبکه‌های عصبی پیچشی

4 ساختاردهی پروژه‌های DL و تنظیم ابرپارامترها

بخش 2 – طبقه‌بندی و تشخیص تصویر

5 معماری‌های پیشرفته CNN

6 انتقال یادگیری

7 تشخیص شیء با R-CNN، SSD و YOLO

بخش 3 – مدل‌های مولد و تعبیه‌های بصری

8 شبکه‌های مولد تخاصمی (GANs)

9 DeepDream و انتقال سبک عصبی

10 تعبیه‌های بصری

How does the computer learn to understand what it sees? Deep Learning for Vision Systems answers that by applying deep learning to computer vision. Using only high school algebra, this book illuminates the concepts behind visual intuition. You’ll understand how to use deep learning architectures to build vision system applications for image generation and facial recognition.

Summary
Computer vision is central to many leading-edge innovations, including self-driving cars, drones, augmented reality, facial recognition, and much, much more. Amazing new computer vision applications are developed every day, thanks to rapid advances in AI and deep learning (DL). Deep Learning for Vision Systems teaches you the concepts and tools for building intelligent, scalable computer vision systems that can identify and react to objects in images, videos, and real life. With author Mohamed Elgendy’s expert instruction and illustration of real-world projects, you’ll finally grok state-of-the-art deep learning techniques, so you can build, contribute to, and lead in the exciting realm of computer vision!

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
How much has computer vision advanced? One ride in a Tesla is the only answer you’ll need. Deep learning techniques have led to exciting breakthroughs in facial recognition, interactive simulations, and medical imaging, but nothing beats seeing a car respond to real-world stimuli while speeding down the highway.

About the book
How does the computer learn to understand what it sees? Deep Learning for Vision Systems answers that by applying deep learning to computer vision. Using only high school algebra, this book illuminates the concepts behind visual intuition. You’ll understand how to use deep learning architectures to build vision system applications for image generation and facial recognition.

What’s inside

Image classification and object detection
Advanced deep learning architectures
Transfer learning and generative adversarial networks
DeepDream and neural style transfer
Visual embeddings and image search

About the reader
For intermediate Python programmers.

About the author
Mohamed Elgendy is the VP of Engineering at Rakuten. A seasoned AI expert, he has previously built and managed AI products at Amazon and Twilio.

Table of Contents

PART 1 – DEEP LEARNING FOUNDATION

1 Welcome to computer vision

2 Deep learning and neural networks

3 Convolutional neural networks

4 Structuring DL projects and hyperparameter tuning

PART 2 – IMAGE CLASSIFICATION AND DETECTION

5 Advanced CNN architectures

6 Transfer learning

7 Object detection with R-CNN, SSD, and YOLO

PART 3 – GENERATIVE MODELS AND VISUAL EMBEDDINGS

8 Generative adversarial networks (GANs)

9 DeepDream and neural style transfer

10 Visual embeddings