ДМК-Пресс Компьютерное зрение. Передовые методы и глубокое обучение

В этой книге вы найдете доступное введение в основные аспекты компьютерного зрения. При этом подчеркивается важная роль алгоритмов и математики. Материал дополняется историческими справками, рекомендациями по дальнейшему чтению и сведениями о рассматриваемых математических понятиях • В конце каждой главы имеются проверенные на практике упражнения и вопросы на понимание материала, сформулированные так, чтобы читатель мог предложить различные варианты решения • Рассматриваемые темы • введение в систему обозначений и математический аппарат, необходимый для описания изображений, а также основные сведения об отображении одного изображения в другое • топологические и геометрические основы анализа участков изображений и распределения значений в них, а также нахождение паттернов в изображениях • введение в оптический поток как средство представления плотного движения, а также вопросы анализа разреженного движения: обнаружение особых точек, определение дескрипторов и прослеживание признаков с помощью фильтра Калмана • описание некоторых подходов к бинаризации изображений и сегментации фотографий и видео • три основных компонента системы компьютерного зрения: геометрические и фотометрические характеристики камеры, системы координат и калибровка камеры • обзор методов трехмерной реконструкции на основе компьютерного зрения, в частности: структурная подсветка, стереозрение и оценка формы с помощью анализа отраженного света • стереосопоставители и фазово-конгруэнтная модель для построения признаков изображения • введение в методы классификации и обучения с подробным описанием алгоритма AdaBoost и случайных лесов

Эта книга - не просто сборник советов и приемов по оптимизации проектов, но и полное руководство для обнаружения и устранения наиболее распространенных проблем, связанных с производительностью. Подробно описываются все слои Power BI - от макетов отчетов до моделирования данных, их преобразования, хранения и структуры. Изучив представленные в книге примеры, вы сможете определять распространенные ошибки на этапе проектирования данных, приводящие к снижению эффективности решения и расходованию ресурсов. Узнаете, что необходимо сделать, чтобы при масштабировании проекта не страдало его быстродействие. И по мере чтения научитесь поддерживать решения Power BI любой степени сложности с минимальными усилиями • Издание предназначено для разработчиков и архитекторов, работающих с Power BI и стремящихся создавать эффективные решения с высоким быстродействием

Книга представляет собой введение в классическое компьютерное зрение. Автор показывает, как можно разложить на части и решить сложные задачи в этой сфере с помощью всего нескольких простых строк кода • Machine Vision Toolbox for MATLAB — открытое программное обеспечение, которое позволяет читателю легко применять алгоритмические концепции на практике и работать с нетривиальными задачами. Раскрываются теоретические основы алгоритмов, а многочисленные примеры кода иллюстрируют его использование • В числе рассматриваемых тем • - основы света и цвета • - моделирование камер • - обработка изображений • - извлечение признаков и многоракурсной геометрии • - камеры без перспективы • - камеры светового поля • - калибровка, стереозрение и формирование стереопар

В книге описываются стандартные элементы архитектуры, такие как центральный процессор, память, порты ввода-вывода, а также операционная система, компилятор, компоновщик и сетевое окружение. Демонстрируются способы представления данных и программ на машинном уровне, приемы оптимизации программ, особенности управления потоками выполнения и виртуальной памятью, а также методы сетевого и параллельного программирования • Среди рассматриваемых тем • представление данных и программ на машинном уровне • архитектура процессора • приемы оптимизации программ • компоновка объектных модулей • управление потоками выполнения • виртуальная память и управление ею • ввод/вывод на системном уровне • сетевое и параллельное программирование • Приведенные примеры для процессоров, совместимых с Intel (x86-64), написаны на языках C и ассемблера и предназначены для выполнения в операционной системе Linux

Книга представляет собой курс компьютерной вирусологии, посвященный подробному рассмотрению феномена саморазмножающихся программ. Содержит неформальное и формальное введение в проблему компьютерных вирусов, описание принципов их работы, многочисленные примеры кода, методики обнаружения и удаления, а также лежащие в основе этих методик математические модели. Рассматривает все наиболее широко распространенные в прошлом и настоящем типы вирусов. Ориентирована на самую широкую аудиторию, но прежде всего на студентов и программистов - будущих и действующих специалистов в области защиты информации и разработки системного и прикладного программного обеспечения. Также может быть полезна и интересна "рядовым" пользователям, интересующимся проблемой компьютерных вирусов

Целью данной книги является формирование профессиональных знаний, необходимых для активного участия в информационных социальных процессах; развитие профессиональной компетентности в сфере информационно-компьютерных технологий (далее ИКТ) и методов активного обучения и преподавания; приобретение практического опыта разработки, внедрения и мониторинга эффективности информационно-компьютерного обеспечения и применения методов активного обучения и преподавания в системе высшего образования. В книге рассматриваются понятия "информационная компетентность", специфика компьютерного обеспечения деятельности психолога, изучаются особенности информационно-компьютерных технологий в психологии, рассматриваются технические средства, программные продукты, специфика решения прикладных задач в психологии

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас • Эта книга не похожа на большинство других учебников и руководств по глубокому обучению – в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи глубокого обучения и нейронных сетей • Второй том посвящен нейронным сетях – быстро развивающемуся направлению машинного обучения. В первом томе, вышедшем в издательстве «ДМК Пресс» ранее, изложены фундаментальные основы глубокого обучения

Древняя стратегическая игра го представляет собой отличный пример для демонстрации возможностей искусственного интеллекта. В 2016 году система, основанная на принципах глубокого обучения, потрясла мир го, победив одного из чемпионов. Вскоре после этого модернизированный алгоритм AlphaGo Zero сокрушил оригинальную версию бота благодаря использованию при освоении игры методов глубокого обучения с подкреплением. Теперь и вы можете освоить те же самые методы глубокого обучения, создав собственный бот для игры в го! • В данной книге вы познакомитесь с методами глубокого обучения и научитесь создавать го-ботов. По мере чтения вы будете применять все более сложные методы и стратегии обучения, используя библиотеку глубокого обучения Keras, написанную на языке Python

С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python • С этой книгой вы научитесь • применять большинство масштабируемых алгоритмов машинного обучения • работать с новейшими крупномасштабными методами машинного обучения • увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных • работать с вычислительной парадигмой Map-Reduce в платформе Spark • применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop • создавать мощные ансамбли в крупном масштабе • использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину

анная книга представляет собой углубленное практическое руководство, которое позволит читателям освоить методы глубокого обучения на уровне, достаточном для развертывания готовых решений. Прочитав книгу, вы сможете быстро приступить к работе с библиотекой TensorFlow и заняться оптимизацией архитектур глубокого обучения

Глубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Поскольку компьютер приобретает знания из опыта, отпадает нужда в человеке-операторе, который формально описывает необходимые компьютеру знания. Иерархическая организация позволяет компьютеру обучаться сложным концепциям, конструируя их из более простых; граф такой иерархии может содержать много уровней. В этой книге читатель найдет широкий обзор тем, изучаемых в глубоком обучении • Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей, и др

Книга посвящена разработкам искусственного интеллекта в части компьютерного зрения и объединяет подходы, позволяющие рассмотреть эту тему на пересечении биологии и математического моделирования. В первой части книги рассматриваются биологические основы зрения: читатель знакомится с различными аспектами зрительного восприятия и узнает, какие структуры нейронов его обеспечивают, какие процессы происходят в мозге при распознавании образов. Во второй части представлены различные структуры математических моделей - нейронных сетей, и принципы их работы. Затрагиваются, в частности, глубокие сверточные нейронные сети, машинное обучение и генеративные состязательные сети. Последняя глава посвящена исследованию самого феномена сознания. Издание рассчитано на широкую аудиторию, интересующуюся искусственным интеллектом и компьютерным зрением, в частности тем, как машины учат видеть и интерпретировать визуальный мир