Image Classification (图像分类): Step-by-step Classifying Images with Python and Techniques of Computer Vision and Machine Lea Paperback Independently Published
Pasa el cursor sobre la imagen para ampliarla. Clic en la imagen para aumentar
Image Classification (图像分类): Step-by-step Classifying Images with Python and Techniques of Computer Vision and Machine Lea Paperback Independently Published

Clasificación de imágenes: clasificación de imágenes paso a paso con Python y técnicas de visión artificial y aprendizaje automático

Independently Published
Precio:
$62.43

Descripción

Este libro implementó seis algoritmos diferentes para clasificar imágenes, con la precisión de predicción de los datos de prueba como criterio principal (cuanto mayor, mejor) y el tiempo de consumo como criterio secundario (cuanto menor, mejor). Las precisiones variaron entre aproximadamente el 30% y el 90%, mientras que los tiempos de consumo variaron desde varios segundos hasta más de una hora. Considerando ambos criterios, se concluyó que la Representación de Características de AlexNet Pre-Entrenada más un Clasificador, como los k-Vecinos Más Cercanos (KNN) y las Máquinas de Vectores de Soporte (SVM), fue el mejor algoritmo. Los seis algoritmos son: Representación de Imágenes Pequeñas + Clasificadores; Representación de Características HOG (Histograma de Gradientes Orientados) + Clasificadores; Representación de Características Bag of SIFT (Transformada Invariante a Escala de Características) + Clasificadores; Entrenamiento de una CNN (Red Neuronal Convolucional) desde cero; Ajuste Fino de una Red Profunda Pre-Entrenada (AlexNet); y Representación de Características de Red Profunda Pre-Entrenada (AlexNet) + Clasificadores. Los códigos fueron escritos en Python en Jupyter Notebook, y pudieron ejecutarse tanto en CPUs como en GPUs. 本书使用了六种不同的算法来对图像进行分类。其中测试数据的预测准确度为主要标准（越高越好），所花费的时间为次要标准（越短越好）。预测准确度大约在30％和90％之间变化，而所花费的时间从几秒钟到一个多小时不等。同时考虑这两个标准，预训练的 AlexNet 特征表示加上分类器，例如k个最近邻（KNN）和支持向量机（SVM），被认为是最佳的算法。这六种算法分别是：微小图像表示+分类器；方向梯度直方图（HOG）特征表示+分类器；尺度不变特征变换（SIFT）口袋特征表示+分类器；从头训练卷积神经网络（CNN）；微调预训练的深度网络（AlexNet）；以及预训练的深度网络（AlexNet）特征表示+分类器。这些代码全部用 Python 编写，并在 Jupyter Notebook 中运行。这些代码都可以运行在 CPU 和 GPU 上。

Autor: John Magic, Mark Magic
Editorial: Publicado de forma independiente
Publicado: 18/04/2019
Páginas: 170
Tipo de encuadernación: Tapa blanda
Peso: 0.52 lbs
Tamaño: 9.00 alto x 6.00 ancho x 0.36 fondo
ISBN13: 9781095150405
ISBN10: 1095150405
Categorías BISAC:
- Educación | Informática y Tecnología

Este título no es retornable