بررسی کتاب یادگیری عمیق با تنسور فلو 2 و کراس

Deep learning with TensorFlow 2 and Keras

نویسندگان این کتاب شامل :آنتونیو گولی علاقه زیادی به ایجاد و مدیریت فناوری جهانی استعداد ، برای نوآوری و اجرا دارد. تخصص اصلی او در رایانش ابری ، یادگیری عمیق و موتورهای جستجو است .در حال حاضر  او به عنوان مدیر مهندسی برای دفتر CTO ، Google Cloud  خدمت میکند.

آمیتا کاپور ، دانشیار گروه الکترونیک ، SRCASW ، دانشگاه دهلی ، و به طور فعال به آموزش شبکه های عصبی وهوش مصنوعی در 20 سال گذشته مشغول بوده است.

سوجیت پال مدیر تحقیقات فناوری در آزمایشگاه Elsevier ، گروه فناوری پیشرفته در گروه شرکتهای Reed-Elsevier می باشد.حیطه های موردعلاقه وی جستجوی معنایی ، پردازش زبان طبیعی ، یادگیری ماشین و یادگیری عمیق می باشد.

ویرایش اول این کتاب در آپریل 2017 و ویرایش دوم که هم اکنون ان را بررسی میکنیم در دسامبر 2019 توسط انتشارات packt به چاپ رسیده است.

این کتاب به طورکلی شیکه های عصبی عمیق با تنسورفلو2 وکراس ،شبکه های عصبی وتکنیکهای یادگیری عمیق را در کنار تنسورفلو وکراس آموزشمیدهد.در این کتاب یاد میگیریم که چگونه برنامه های کاربردی یادگیری عمیق را در قوی ترین ، محبوبترین ومقیاس پذیرترین stack یادگیریدستگاه موجود بنویسید.تنسورفلو یک کتابخانه یادگیری ماشین از برنامه های کاربردی پیشرفته است در حالیکه کراس یک API قدرتمند وساده پایتون برای دسترسی به تنسورفلو ارائه می دهد.تنسور فلو 2 ادغام کامل Keras را فراهم میکند ویادگیری ماشین را آسانتر وراحتتر از گذشته میکند.این کتاب همچنین شبکه های عصبی را با تنسورفلو معرفی می کند، از طریق برنامه های اصلی در رگرسیون ،Connvents ، GAN ، (CNNs) ها ، NLP،RNNS اجرا میشود.

برای دانلود این کتاب اینجا کلیک کنید.

در ادامه به بررسی اجمالی هر فصل می پردازیم. 

بررسی کتاب راهنمای مبتدی تکنیک های استخراج ویژگی شکلی تصویر

A Beginner’s Guide to

Image Shape Feature

Extraction Techniques

نویسندگان این کتاب  Dr.jyotismita chaki استادیاردر گروه فناوری اطلاعات و مهندسی در موسسه ولور از فناوری ، ولور ، هند است.وی دارای دکترای پردازش تصویر ازهند می باشد. علایق تحقیقاتی او  شامل بینایی رایانه ای وپردازش تصویر ، تشخیص الگو ، تصویربرداری پزشکی ، محاسبه نرم ، داده کاوی ویادگیری ماشین است .

Dr.Nilanjan Day درسال 1984 در  کلکته هند متولد شد .وی مدرک BTech خود را درفناوری اطلاعات از بنگال غربی دانشگاه فناوری در سال 2005 ، MTech درفناوری اطلاعات در سال 2011 از همان دانشگاه و دکترای پردازش تصویر دیجیتال در سال 2015 از دانشگاه Jadavpur ، هند گرفته است . او اکنون به عنوان استادیار در گروه فناوری اطلاعات ، کالج Techno India مشغول به کار است.موضوعات تحقیقاتی وی پردازش سیگنال ، یادگیری ماشین و امنیت اطلاعات است.

این کتاب توسط انتشارات CRC که از زیر مجموعه های گروه Taylor & Francis می باشد در سال 2020 منتشر شده است.این کتاب در 9 فصل تنظیم شده و تمامی کدهای مربوظه با مطلب نوشته شده است . در ادامه به صورت مختصر به بررسی هریک از فصلهای آن می پردازیم.

توضیحات کلی در مورد این کتاب :

پردازش تصویر دیجیتال یک موضوع گسترده است که به طور مداوم پیشرفت می کند. استخراج ویژگی های تصویر به یکی از بازیگران اصلی در بسیاری ازکاربردهای پردازش تصاویر دیجیتال تبدیل شده است. آشکارسازها و توصیف کننده های ویژگی شکل در حوزه های مختلف مانند بینایی رایانه ، تشخیص الگو، فناوری بیومتریک ، پردازش تصویر ، تجزیه و تحلیل تصویر پزشکی ،و غیره مورد بررسی واستفاده قرار گرفته اند.این کتاب تکنیکهای استخراج شکل تصویر که برای بازیابی تصویر ضروری هستند راارائه داده است. استخراج ویژگی  شکل تصویر نقش مهمی در انواع برنامه های کاربردی مختلف مانند :

1-      بازیابی شکل : جستجو برای کل اشکال در پایگاه داده عظیمی از اشکال که با شکل پرس و جو قابل مقایسه است. به طور کلی ، همه اشکال در فاصله مشخصی از پرس و جو یا اولین اشکال محدودشده  هستند که حداقل فاصله محاسبه شده را دارند .

2-      تشخیص شکل و طبقه بندی: تعیین اینکه آیا شکل مشخصی با مدل مطابقت دارد ، یا کدام یک از کلاس های پایگاه داده شبیه ترین است.

3-      هم ترازی شکل و ثبت : تبدیل یا تفسیر یک شکل به گونه ای که به بهترین شکل با اشکال دیگر به طور کامل یا جزئی مطابقت داشته باشد.

4-      برآورد شکل و ساده سازی: ایجاد شکل با عناصر کمتر (بخش ها ، نقاط و غیره) که هنوز شبیه اصلی هستند.

این کتاب تکنیک های مختلف تک بعدی را ارائه می دهدهمچون تکنیکهای  ،مبتنی بر لحظه ، بر اساس تقریب چند ضلعی ، بر اساس رابطه فضایی ، مقیاس فضایی ، تغییر شکل بر اساس دامنه استخراج ویژگی و این تکنیک ها به تفصیل مورد بررسی قرار میگیرد.

برای دانلود کتاب اینجا را کلیک کنید. 

بررسی کتاب یادگیری عملی ماشین با Scikit-Learn، Keras و TensorFlow

Hands-on Machine Learning with

Scikit-Learn, Keras, and

TensorFlow

نویسنده کتاب اورلین جرون مشاور یادگیری ماشین است.وی رهبری تیم طبقه بندی ویدیوهای u-tube yo را از سال 2013 تا 2016 برعهده داشت.این کتاب ویرایش دوم می باشد که توسط نشر O’Reilly  در jone 2019 به چاپ رسیده است.

مقدمه ای بر کتاب :سونامی یادگیری ماشین

در سال 2006 ، جفری هینتون و همکارانش مقاله ای منتشر کردند  که نحوه آموزش یک شبکه عصبی عمیق را نشان می داد شبکه ای که قادر به تشخیص ارقام دست نویس با دقت بیشتر از 98%  بود. آنها این تکنیک را "یادگیری عمیق" نامگذاری کردند. آموزش شبکه عصبی عمیق در آن زمان به طور گسترده ای غیرممکن تلقی می شد ، این ایده از دهه 1990 توسط Yann Lecun’s مطرح شده بود ولی اکثر محققان آن را رها کرده بودند. این مقاله علاقه جامعه علمی را دوباره زنده کرد و خیلی زود مقالات جدید نشان دادند که یادگیری عمیق نه تنها ممکن،بلکه  قادر به دستاوردهای حیرت انگیزی است که هیچ تکنیک یادگیری ماشین دیگر ندارد ومی توان امیدوار باشیم  که مطابقت داشته باشد (با کمک قدرت محاسباتی فوق العاده و حجم زیادی از داده ها).

10 سال سریع و رو به جلو یادگیری ماشین صنعت را تسخیر کرده است : اکنون درقلب بسیاری از محصولات با تکنولوژی بالا ، نتایج جستجو در رتبه بندی وب ، تقویت تشخیص گفتار، تلفن هوشمند ، توصیه برای فیلم ها ، و شکست دادن قهرمان جهان در بازی Go.

به جای اجرای نسخه های اسباب بازی خودمان از هر الگوریتم ، از چارچوب های پایتون آماده تولید واقعی استفاده خواهیم کردکه شامل :

·         Scikit-learn : استفاده از آن بسیار آسان است ، با این حال بسیاری از الگوریتم های یادگیری ماشین را پیاده سازی می کند به طور موثر ، بنابراین یادگیری ماشین را به عنوان یک نقطه ورود عالی ایجاد می کند.

·         : TensorFlowیک کتابخانه پیچیده تر برای محاسبه عددی توزیع شده است. آموزش و اجرای کارآمد شبکه های عصبی را به طور موثر با توزیع محاسبات صدها سرور چند GPU  را ممکن می سازد. TensorFlow در Google ایجاد شد و بسیاری از برنامه های کاربردی یادگیری ماشین با مقیاس بزرگ آنها را پشتیبانی می کند.این کتابخانه در نوامبر 2015 به صورت منبع باز ارائه شد.

·         Keras : یک API یادگیری عمیق سطح بالا است که آموزش و اجرای شبکه های عصبی را بسیار ساده می کند . می تواند روی TensorFlow ، Theano یا Microsoft جعبه ابزار شناختی (قبلا به عنوان CNTK شناخته می شد) اجرا شود.TensorFlow همراه با پیاده سازی API خودش به نام tf.keras ، که برخی از ویژگیهای پیشرفته TensorFlow  را پشتیبانی می کند.

کدهای مربوط به این کتاب در jupyter Notebooks به آدرس : https://github.com/ageron/handson-ml2 موجود است.

این کتاب در دوبخش سازماندهی شده است :بخش اول اساس یادگیری ماشین و بخش دوم این کتاب در مورد شبکه های عصبی ویادگیری عمیق بحث می کند. در بخش اول بیشتر بر اساس Scikit-Learn و در بخش دوم از TensorFlow و کراس استفاده شده است.بخش اول شامل فصل 1 تا فصل 9 وبخش دوم از فصل 10 تا فصل 14 می باشد.

برای دانلود کتاب اینجا را کلیک کنید.

در ادامه به بررسی فصلهای کتاب می پردازم: 

بررسی کتاب استخراج ویژگی وپردازش تصویر برای بینایی ماشین

Feature Extraction and

Image Processing for

Computer Vision

این کتاب توسط Mark S. Nixon الکترونیک و علوم کامپیوتر ، دانشگاه ساوتهمپتون و Alberto S. Aguado متخصص استخراج ویژگی وپردازش تصویر می باشد.

نسخه اولیه این کتاب در سال 2002 نوشته شده و نسخه دوم آن در سال 2008 به بازار عرضه شده و نسخه سوم آن در سال 2013 به بازار عرضه شده است .این کتاب نسخه چهارم می باشد که در سال 2020 و توسط ACADEMIC PRESS که از زیرمجموعه های  ELSEVIER می باشد ، عرضه شده است .

یک تغییر بزرگی که در این ویرایش بوجود آمده استفاده اززبان  مطلب به زبان پایتون حرکت کرده است .در حالی که ویرایش چهارم این کتاب در حال نوشتن بود انقلاب کاملی در پردازش تصویر وبینایی ماشین در جریان بودو آن هم ظهور یادگیری عمیق ، به همین دلیل یک فصل در همین رابطه به کتاب اضافه شده است.به طور کلی این کتاب در 12 فصل تنظیم شده است ، که به صورت مختصر به بررسی فصلهای این کتاب می پردازم.

در هر فصل از این کتاب مجموعه ای از اطلاعات خاص در مورد استخراج ویژگی ها در پردازش تصویر و بینایی ماشین ارائه شده است. بیشترین تکنیک های اصلی توصیف شده و پیاده سازی هایی از آنها نیز ارائه شده که از آنها برای پردازش تصاویر انتخاب شده استفاده شده است. به طور کلی تمرکز کار در این کتاب بیشتر در مورد تحلیل تصاویر پزشکی یا بیومتریک بوده است (علم شناخت افراد با ویژگی های رفتاری یا فیزیولوژیکی مانند تشخیص چهره و ... )

به اعتقاد نویسندگان این کتاب به روزترین کتاب در رابطه با استخراج ویژگی ها و پردازش تصویر در بینایی ماشین می باشد.

برای دانلود این کتاب اینجا را کلیک کنید. 

بررسی کتاب :یادگیری ماشین برای OpenCV4

Machine Learning for OpenCV 4

در این کتاب برروی الگوریتمهای هوشمند برای کاربرد در پردازش تصاویر با استفاده از openCV4 ,paython ,scikit بحث شده است.

نویسندگان :

Adita sharmaآدیتیا شارما یک مهندس ارشد در روبرت بوش است که در زمینه حل مشکلات واقعی مشکلات بینایی ماشین کار می کند.در رابرت بوش او مقام اول در هوش مصنوعی در سال 2019 کسب کرد.او مقالات زیادی در مورد یادگیری ماشین ویادگیری عمیق نوشته است.

Vishwesh Ravi Shrimali: فارغ التحصیل از BITS Pilani ، در رشته مهندسی مکانیک در سال 2018 می باشد. از آن زمان ، او با BigVision LLC روی یادگیری عمیق و بینایی رایانه ای کار میکند و همچنین در ایجاد دوره های رسمی OpenCV مشارکت دارد.

Michael Beyeler: یک دانشجوی فوق دکتری در مهندسی عصب و علوم داده در دانشگاه واشنگتن ، جایی که او روی مدل های محاسباتی بینایی بیونیک به منظور بهبود تجربه ادراکی بیماران نابینا که با شبکیه کاشته شده اند ،پروتز (چشم بیونیک) کار میکند.او در زبانهای برنامه نویسی همچون C ، C++ ، پایتون ، CUDA ، مطلب و اندروید مسلط می باشد. مایکل دکترای علوم کامپیوتر از دانشگاه کالیفرنیا ، ایروین ، و کارشناسی ارشد مهندسی پزشکی و کارشناسی مهندسی برق از ETH زوریخ ، سوئیس گرفته است.

اولین ویرایش کتاب در جولای 2017 ودومین ویرایش که هم اکنون در  حال بررسی می باشد در سپتامبر 2019  توسط نشر packt منتشر شده است.

این کتاب در 13 فصل که به سه بخش تقسیم شده است ،نوشته شده که به صورت مختصر به بحث و بررسی آن می پردازیم.

برای دریافت کتاب اینجا را کلیک کنید. 

بررسی کتاب :یادگیری عمیق برای کاربرد در پردازش تصویر

DEEP LEARNING FOR IMAGE PROCESSING

این کتاب از مجموعه ای ا ز نویسندگان تهیه شده در واقع هر فصل از این کتاب توسط چند نویسنده نوشته شده وسپس مطالب آن جمع آوری وویرایش گردیده است.ویرایش کنندگان این کتاب :

D. Jude Hemanth از دانشگاه کارونیا هند و    Vania Vieira Estrela از دانشگاه فدرال فلومیننزه برزیل  می باشند.

این کتاب توسط انتشارات IOS Press در سال 2017 منتشر گردیده است و شامل 11 فصل می باشد .

برای دریافت کتاب اینجا را کلیک کنید.
در ادامه فصول کتاب را به طور مختصر مورد بررسی قرار می دهیم .