معرفی و دانلود کتاب بینایی کامپیوتر با پایتون: نظریه و کاربردها

معرفی کتاب بینایی کامپیوتر با پایتون: نظریه و کاربردها

کتاب بینایی کامپیوتر با پایتون نوشته‌ی ام. عثمان مالک، به مبانی و کلیات مفهوم بینایی ماشین می‌پردازد و می‌کوشد پردازش تصاویر و ویدئو با زبان برنامه‌نویسی پایتون را آموزش دهد. این راهنما با کمک مثال‌های واقعی و عملی، مفاهیم مرتبط با هوش مصنوعی، همچون یادگیری ماشین، یادگیری عمیق و یادگیری انتقالی را توضیح می‌دهد و به شما می‌آموزد که چطور از آن‌ها برای تحقق بینایی کامپیوتری استفاده کنید.

درباره‌ی کتاب بینایی کامپیوتر با پایتون

یکی از شاخه‌های اصلی هوش مصنوعی، بحث پردازش تصاویر است. این بدان معناست که یک کامپیوتر قادر باشد تصاویر یا ویدئوهایی را دریافت کند، آن‌ها را آنالیز نماید و در نهایت، محتوایشان را بفهمد. به این موضوع اصطلاحاً بینایی کامپیوتری یا بینایی ماشین اطلاق می‌شود. سیستم‌های تشخیص اثرانگشت، چهره و پلاک ماشین نمونه‌های ابتدایی همین بینایی تلقی می‌شوند که سال‌هاست مورداستفاده هستند. بحث‌های پیشرفته و مدرن‌تری همچون خودروهای بی‌سرنشین، مسیریابی خودکار یا سیستم دفاع موشکی هم که امروزه مکرراً در مورد آن‌ها می‌شنویم همگی بخشی از همین فناوری به‌حساب می‌آیند. در واقع این مکانیسم قرار است به کامپیوتر این امکان را بدهد تا مثل یک انسان محیطش را درک کند و بشناسد. به همین خاطر این فرآیند را باید به‌گونه‌ای طراحی کرد که درست شبیه انسان‌ها از الگوهای منطقی یادگیری پیروی کند. این فناوری برای صنایع و حوزه‌های مختلف، از امنیتی و نظامی تا پزشکی و مهندسی و هوافضا کاربردی است

در چند سال اخیر، کتاب‌های متعددی در این زمینه منتشر شده و نویسندگان آن‌ها سعی کرده‌اند که این موضوع را آموزش دهند. کتاب بینایی کامپیوتر با پایتون (Computer Vision for Beginners) نوشته‌ی ام. عثمان مالک (M. Usman Malik) یکی از همین آثار است که بیشتر بر مبانی و بحث‌های پایه‌ای متمرکز است و می‌کوشد آن‌ها را تشریح کند. این کتاب زبان برنامه‌نویسی پایتون را انتخاب کرده و به خواننده می‌آموزد که چطور با کمک این زبان، پردازش و آنالیز تصاویر و ویدئو را انجام دهد.

ام. عثمان مالک در فصل اول کتاب بینایی کامپیوتر با پایتون صرفاً مقدمات بینایی ماشین را طرح و کاربردهای گسترده این تکنولوژی را مرور می‌کند. او در انتهای این فصل زبان پایتون را نیز معرفی و شیوه‌ی نصب آن را آموزش می‌دهد. مالک فصل دوم را به پایتون اختصاص داده و می‌کوشد مبانی آن را بیاموزد. پایتون اساساً زبان پیچیده‌ای نیست، کتابخانه‌های زیادی دارد و می‌توان در مدت کوتاهی با قواعد آن آشنا شد. به همین‌خاطر برای پردازش می‌تواند انتخاب مناسبی باشد. او در فصول بعدی بحث پردازش تصاویر و ویدئوها پیش می‌کشد و شیوه‌ی انجام آن‌ها با پایتون را می‌آموزد. در ادامه نیز نحوه‌ی تشخیص چهره با کتابخانه‌ی OpenCV را تشریح می‌کند. از آنجایی که یادگیری، یکی از مفاهیم مهم هوش مصنوعی به حساب می‌آید، مالک سه فصل دیگر کتابش را به یادگیری ماشین، عمیق و انتقالی اختصاص می‌دهد و به شرح چگونگی استفاده از آن‌ها برای بینایی کامپیوتری می‌پردازد. او در فصول پایانی نیز الگوریتم یولو را بررسی و نحوه‌ی شناسایی اشیاء با کمک آن را بیان می‌کند. گفتنی‌ست کتاب بینایی کامپیوتر با پایتون را عین‌الله جعفرنژاد قمی ترجمه و انتشارات علوم رایانه آن را چاپ کرده است.

کتاب بینایی کامپیوتر با پایتون برای چه کسانی مناسب است؟

اگر در حوزه‌ی هوش مصنوعی فعالیت دارید یا به کتاب‌های حوزه‌ی برنامه‌نویسی علاقه‌مند هستید، کتاب بینایی کامپیوتر با پایتون می‌تواند اطلاعات مناسبی به شما بدهد.

در بخشی از کتاب بینایی کامپیوتر با پایتون: نظریه و کاربردها می‌خوانیم

یادگیری ماشین شاخه‌ای از هوش مصنوعی است که برنامه‌های کامپیوتری را قادر می‌سازد به طور خودکار از تجربیات یاد بگیرند و پیشرفت کنند. الگوریتم‌های یادگیری ماشین از مجموعه‌داده‌ها یاد می‌گیرند و سپس پیش‌بینی‌هایی را روی داده‌های مشاهده نشده انجام می‌دهند. الگوریتم‌های یادگیری ماشین می‌توانند در حالت کلی به دو نوع تقسیم شوند:

1. الگوریتم‌های یادگیری با نظارت

2. الگوریتم‌های یادگیری بدون نظارت

الگوریتم‌های یادگیری ماشین با نظارت آنهایی هستند که مجموعه‌داده‌ی ورودی و خروجی متناظر با پیش‌بینی درست وجود دارند و الگوریتم‌ها سعی می‌کنند رابطه‌ی بین ورودی‌ها و خروجی‌ها را پیدا کنند. از طرف دیگر، در الگوریتم‌های یادگیری ماشین بدون نظارت برچسب‌های درست برای خروجی‌ها معلوم نیست. الگوریتم‌ها سعی می‌کنند الگوهای مشابه را در داده‌ها پیدا کنند. الگوریتم‌های خوشه‌بندی نمونه‌هایی از یادگیری بدون نظارت هستند.

الگوریتم‌های یادگیری با نظارت خودشان به دو دسته تقسیم می‌شوند:

1. الگوریتم‌های رگرسیون

2. الگوریتم‌های دسته‌بندی

فهرست مطالب کتاب

فصل اول: مقدمه
فصل دوم: مقدمه‌ای بر پایتون
فصل سوم: مبانی پردازش تصویر
فصل چهارم: مبانی پردازش ویدیو
فصل پنجم: شناسایی چهره با کتابخانه OpenCV
فصل ششم: مبانی یادگیری ماشین برای بینایی کامپیوتر
فصل هفتم: یادگیری عمیق برای بینایی کامپیوتر
فصل هشتم: یادگیری انتقالی برای بینایی کامپیوتر
فصل نهم: شناسایی اشیا با الگوریتم یولو
فصل دهم: مقدمه‌ای بر شبکه‌های متخاصم مولد (GAN)