{"product_id":"139206","title":"Vision par ordinateur et apprentissage profond ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPBvmFLJxq6rLVyTrVI52tEKRq7J.png?v=1765073883\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Vision par ordinateur et apprentissage profond \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/116755317\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eApprenez la vision par ordinateur avec 85 programmes Python utilisant OpenCV et TensorFlow.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Tout d'abord, apprenez la vision par ordinateur grâce à un mélange équilibré de théorie et de pratique ! Découvrez la théorie de la vision par ordinateur à l'aide de méthodes d'apprentissage classiques et profondes, puis voyez concrètement comment la mettre en œuvre grâce à 85 exercices de programmation en Python.\u003cbr\u003e Deuxièmement, un manuel de vision par ordinateur axé sur l'apprentissage profond ! Tout en présentant la vision par ordinateur sous l'angle de l'apprentissage profond, il aborde également le traitement d'images et la vision par ordinateur classique, garantissant ainsi une étude approfondie du sujet. \u003cbr\u003eTroisièmement, consolidez vos connaissances fondamentales grâce à l'[Annexe en ligne] ! Cette annexe en ligne propose des notions de base en Python, en algèbre linéaire et en théorie des probabilités, vous permettant ainsi d'acquérir rapidement les connaissances fondamentales nécessaires à l'étude de la vision par ordinateur.\u003cbr\u003e\u003cbr\u003e * Ce livre a été conçu comme manuel pour les cours universitaires, il ne fournit donc pas de réponses aux exercices pratiques.\u003cbr\u003e\n\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eChapitre 1 : Vision par ordinateur imitant la vision humaine\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 1.1 La vision humaine\u003cbr\u003e 1.2 Pourquoi la vision par ordinateur ?\u003cbr\u003e 1.3 Pourquoi la vision par ordinateur est-elle difficile ?\u003cbr\u003e 1.4 Histoire de la vision par ordinateur\u003cbr\u003e 1.5 Service d'expérience en vision par ordinateur\u003cbr\u003e 1.6 Création d'un système de vision par ordinateur\u003cbr\u003e 1.7 Choses à lire et à voir\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 2 : Vision par ordinateur avec OpenCV\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 2.1 Introduction à OpenCV\u003cbr\u003e 2.2 Lancement de la programmation\u003cbr\u003e 2.3 Tirer pleinement parti de la programmation orientée objet\u003cbr\u003e [Programme 2-1] Création d'un objet de type numpy.ndarray et application des fonctions membres \u003cbr\u003e2.4 [Exemple de programmation 1] Lecture et affichage d'une image\u003cbr\u003e [Programme 2-2] Lecture d'un fichier vidéo et affichage dans une fenêtre\u003cbr\u003e 2.5 [Exemple de programmation 2] Conversion du format d'image et réduction de la taille\u003cbr\u003e [Programme 2-3] Conversion d'une image en niveaux de gris et réduction de sa taille de moitié\u003cbr\u003e 2.6 [Exemple de programmation 3] Lecture vidéo d'une webcam\u003cbr\u003e [Programme 2-4] Capture vidéo avec une webcam\u003cbr\u003e [Programme 2-5] Assemblage d'images extraites d'une vidéo\u003cbr\u003e 2.7 [Exemple de programmation 4] Création d'une fonction graphique et d'une interface utilisateur\u003cbr\u003e [Programme 2-6] Dessiner des formes et écrire du texte sur la vidéo\u003cbr\u003e [Programme 2-7] Dessiner un rectangle à l'endroit où vous cliquez avec la souris\u003cbr\u003e [Programme 2-8] Dessiner un rectangle en faisant glisser la souris\u003cbr\u003e 2.8 [Exemple de programmation 5] Création d'une fonction de peinture\u003cbr\u003e [Programme 2-9] Peindre avec des pinceaux rouges et bleus\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 03 Traitement d'images\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 3.1 Notions de base sur l'image numérique \u003cbr\u003e[Programme 3-1] Affichage des images couleur RVB par canal\u003cbr\u003e 3.2 Images binaires\u003cbr\u003e [Programme 3-2] Obtention d'un histogramme à partir d'une image réelle\u003cbr\u003e [Programme 3-3] Binarisation à l'aide de l'algorithme d'Ochu\u003cbr\u003e [Programme 3-4] Application des opérations morphologiques\u003cbr\u003e 3.3 Opérations ponctuelles\u003cbr\u003e [Programme 3-5] Expérimentation avec la correction gamma\u003cbr\u003e [Programme 3-6] Égalisation d'histogramme\u003cbr\u003e 3.4 Opérations de domaine\u003cbr\u003e [Programme 3-7] Application de la convolution (lissage gaussien et gaufrage)\u003cbr\u003e 3.5 Opérations géométriques\u003cbr\u003e [Programme 3-8] Transformation géométrique d'une image par interpolation\u003cbr\u003e 3.6 Efficacité temporelle d'OpenCV\u003cbr\u003e [Programme 3-9] Comparaison des temps d'exécution d'une fonction écrite directement et d'une fonction fournie par OpenCV\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 04 Bords et régions\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 4.1 Détection des contours\u003cbr\u003e [Programme 4-1] Détection de contours Sobel (Utilisation de la fonction Sobel)\u003cbr\u003e 4.2 Canny Edge\u003cbr\u003e [Programme 4-2] Expérimentation avec Canny Edge\u003cbr\u003e 4.3 Détection de lignes droites\u003cbr\u003e [Programme 4-3] Détermination des limites dans une carte des contours \u003cbr\u003e[Programme 4-4] Détection de pommes à l'aide de la transformée de Hough\u003cbr\u003e 4.4 Division de la zone\u003cbr\u003e [Programme 4-5] Segmentation en superpixels des images d'entrée à l'aide de l'algorithme SLIC\u003cbr\u003e [Programme 4-6] Segmentation d'une région à l'aide de l'algorithme de coupe de normalisation\u003cbr\u003e 4.5 Segmentation interactive\u003cbr\u003e [Programme 4-7] Segmentation d'objets à l'aide de GrabCut\u003cbr\u003e 4.6 Caractéristiques de la zone\u003cbr\u003e [Programme 4-8] Utilisation d'une fonction pour extraire des caractéristiques d'une région binaire\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 5 : Caractéristiques régionales\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 5.1 Idée\u003cbr\u003e 5.2 Caractéristiques locales invariantes par translation et rotation\u003cbr\u003e [Programme 5-1] Implémentation de la détection de caractéristiques de Harris\u003cbr\u003e 5.3 Caractéristiques locales invariantes d'échelle\u003cbr\u003e 5.4 SIFT\u003cbr\u003e [Programme 5-2] Détection SIFT\u003cbr\u003e 5.5 Correspondance\u003cbr\u003e [Programme 5-3] Appariement SIFT à l'aide de la bibliothèque FLANN\u003cbr\u003e 5.6 Estimation par homographie\u003cbr\u003e [Programme 5-4] Estimation de l'homographie à l'aide de RANSAC\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 6 : Agent de vision\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 6.1 L'agent de vision en tant qu'agent intelligent\u003cbr\u003e 6.2 Interface utilisateur utilisant PyQt \u003cbr\u003e[Programme 6-1] Création d'une interface graphique simple avec PyQt (émission d'un bip sonore lors du clic sur un bouton)\u003cbr\u003e [Programme 6-2] Connexion de l'interface graphique de PyQt à OpenCV (Capture et enregistrement d'images d'une vidéo)\u003cbr\u003e 6.3 [Agent de vision 1] Orim\u003cbr\u003e [Programme 6-3] Utilisation de GrabCut pour découper des objets d'intérêt\u003cbr\u003e 6.4 [Agent Vision 2] Notification des zones de protection pour les personnes vulnérables\u003cbr\u003e [Programme 6-4] Mise en œuvre d'une notification de zone de protection contre les vulnérabilités du trafic\u003cbr\u003e 6.5 [Vision Agent 3] Production vidéo panoramique\u003cbr\u003e [Programme 6-5] Création d'une image panoramique par assemblage d'images extraites d'une vidéo\u003cbr\u003e 6.6 [Vision Agent 4] Effets spéciaux\u003cbr\u003e [Programme 6-6] Application d'effets spéciaux aux photos et vidéos\u003cbr\u003e [Programme 6-7] Application d'effets spéciaux à des séquences vidéo\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 7 : Vision par apprentissage profond\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 7.1 Un changement majeur de méthodologie\u003cbr\u003e 7.2 Principes fondamentaux de l'apprentissage automatique\u003cbr\u003e 7.3 Un aperçu des logiciels d'apprentissage profond\u003cbr\u003e [Programme 7-1] Vérification des données avec TensorFlow\u003cbr\u003e 7.4 La naissance des réseaux neuronaux artificiels\u003cbr\u003e 7.5 Perceptron multicouche profond\u003cbr\u003e 7.6 Algorithmes d'apprentissage \u003cbr\u003e7.7 Implémentation d'un perceptron multicouche\u003cbr\u003e [Programme 7-2] Reconnaissance de MNIST avec un perceptron multicouche (optimiseur SGD)\u003cbr\u003e [Programme 7-3] Reconnaissance de MNIST avec un perceptron multicouche (optimiseur Adam)\u003cbr\u003e [Programme 7-4] Reconnaissance de MNIST avec un perceptron multicouche (Comparaison des graphiques de performance de SGD et Adam)\u003cbr\u003e [Programme 7-5] Reconnaissance de MNIST avec un perceptron multicouche profond\u003cbr\u003e [Programme 7-6] Reconnaissance de CIFAR-10 avec un perceptron multicouche profond\u003cbr\u003e 7.8 [Vision Agent 5] Reconnaissance de code postal v.1\u003cbr\u003e [Programme 7-7] Mise en œuvre de l'outil de reconnaissance des codes postaux v.1 (version DMLP)\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 8 : Réseaux de neurones convolutifs\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 8.1 Idéation et développement\u003cbr\u003e 8.2 Structure d'un réseau neuronal convolutif\u003cbr\u003e 8.3 Entraînement des réseaux neuronaux convolutifs\u003cbr\u003e 8.4 Implémentation d'un réseau neuronal convolutif\u003cbr\u003e [Programme 8-1] Reconnaissance de MNIST avec LeNet-5\u003cbr\u003e [Programme 8-2] Reconnaissance d'images naturelles à l'aide de réseaux neuronaux convolutifs\u003cbr\u003e 8.5 [Vision Agent 6] Reconnaissance de code postal v.2\u003cbr\u003e [Programme 8-3] Amélioration des performances de reconnaissance des chiffres manuscrits \u003cbr\u003e[Programme 8-4] Reconnaissance de code postal v.2 (Version CNN)\u003cbr\u003e 8.6 Amélioration des algorithmes d'apprentissage profond\u003cbr\u003e [Programme 8-5] Vérification de l'image augmentée\u003cbr\u003e 8.7 Transfert d'apprentissage\u003cbr\u003e [Programme 8-6] Reconnaissance d'images naturelles avec ResNet50\u003cbr\u003e [Programme 8-7] Reconnaissance des races de chiens avec DenseNet121\u003cbr\u003e 8.8 [Vision Agent 7] Programme de reconnaissance des races de chiens\u003cbr\u003e [Programme 8-8] Mise en œuvre d'un programme de reconnaissance des races de chiens\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 9 : La perception\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 9.1 Qu'est-ce que la prise de conscience ?\u003cbr\u003e 9.2 Classification\u003cbr\u003e 9.3 Détection\u003cbr\u003e [Programme 9-1] Détection d'objets dans des images fixes avec YOLO v3\u003cbr\u003e [Programme 9-2] Détection d'objets dans les vidéos avec YOLO v3\u003cbr\u003e [Programme 9-3] Mesure du débit vidéo de YOLO v3\u003cbr\u003e 9.4 Split\u003cbr\u003e [Programme 9-4] Entraînement du réseau U-Net avec le jeu de données Oxford Pets\u003cbr\u003e [Programme 9-5] Segmentation sémantique d'images fixes à l'aide de la bibliothèque pixellib\u003cbr\u003e [Programme 9-6] Segmentation sémantique de la vidéo à l'aide de la bibliothèque pixellib\u003cbr\u003e [Programme 9-7] Segmentation d'images fixes à l'aide de la bibliothèque pixellib \u003cbr\u003e[Programme 9-8] Segmentation d'une vidéo à l'aide de la bibliothèque Pixellib\u003cbr\u003e 9.5 [Vision Agent 8] Changez l'arrière-plan à votre guise\u003cbr\u003e [Programme 9-9] Changez l'arrière-plan à votre guise grâce à la bibliothèque pixellib\u003cbr\u003e 9.6 Reconnaissance des personnes\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 10 Vision dynamique\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 10.1 Analyse du mouvement\u003cbr\u003e [Programme 10-1] Estimation du flux optique à l'aide de l'algorithme de Farneback\u003cbr\u003e [Programme 10-2] Suivi d'objets avec l'algorithme de suivi KLT\u003cbr\u003e 10.2 Suivi\u003cbr\u003e [Programme 10-3] Suivi des personnes avec SORT\u003cbr\u003e 10.3 Reconnaissance de personnes dans une vidéo à l'aide de MediaPipe\u003cbr\u003e [Programme 10-4] Détection des visages avec BlazeFace\u003cbr\u003e [Programme 10-5] Détection des visages dans la vidéo\u003cbr\u003e [Programme 10-6] Utiliser la réalité augmentée pour embellir votre visage\u003cbr\u003e [Programme 10-7] Détection des maillages faciaux avec FaceMesh\u003cbr\u003e [Programme 10-8] Détection des points de repère de la main\u003cbr\u003e 10.4 Estimation de la posture et classification des actions\u003cbr\u003e [Programme 10-9] Estimation de pose à l'aide de BlazePose\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 11 Transformateur de vision\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 11.1 Note \u003cbr\u003e11.2 Réseaux neuronaux récurrents et attention\u003cbr\u003e Transformateur 11.3\u003cbr\u003e 11.4 Vision Transformer\u003cbr\u003e [Programme 11-1] Mise en œuvre d'un transformateur de vision pour la classification CIFAR-10\u003cbr\u003e [Programme 11-2] Vision Transformer : Classification CIFAR-10 : Amélioration des performances grâce à l’augmentation d’images et de données\u003cbr\u003e 11.5 Exercices pratiques de programmation Vision Transformer\u003cbr\u003e [Programme 11-3] Classification vidéo à l'aide de ViT de Hugging Face\u003cbr\u003e [Programme 11-4] Détection d'objets à l'aide de DETR de Hugging Face\u003cbr\u003e [Programme 11-5] Vidéos explicatives utilisant le clip de Hugging Face\u003cbr\u003e 11.6 Caractéristiques des transformateurs\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 12 La vision tridimensionnelle\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 12.1 Géométrie 3D et étalonnage\u003cbr\u003e 12.2 Estimation de la profondeur\u003cbr\u003e 12.3 Reconnaissance d'images RGB-D\u003cbr\u003e 12.4 Reconnaissance de nuages ​​de points\u003cbr\u003e [Programme 12-1] Génération et affichage de nuages ​​de points à partir du jeu de données ModelNet\u003cbr\u003e [Programme 12-2] Classification d'images de nuages ​​de points à l'aide de PointNet\u003cbr\u003e Problèmes pratiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 13 Vision de la Création\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 13.1 Principes de base des modèles génératifs \u003cbr\u003e[Programme 13-1] Création d'un modèle génératif qui génère (taille, poids)\u003cbr\u003e [Programme 13-2] Modélisation gaussienne de MNIST et génération d'échantillons\u003cbr\u003e [Programme 13-3] Modélisation de MNIST avec GMM et génération d'échantillons\u003cbr\u003e 13.2 Modèles génératifs utilisant des auto-encodeurs\u003cbr\u003e [Programme 13-4] Modélisation de MNIST avec un auto-encodeur et génération d'échantillons\u003cbr\u003e [Programme 13-5] Modélisation de MNIST avec un auto-encodeur variationnel et génération d'échantillons\u003cbr\u003e 13.3 Réseaux antagonistes génératifs\u003cbr\u003e [Programme 13-6] Modélisation de la base de données MNIST de mode avec un GAN et génération d'échantillons\u003cbr\u003e [Programme 13-7] Modélisation d'images naturelles CIFAR-10 avec un GAN et génération d'échantillons\u003cbr\u003e 13.4 Modèle de diffusion\u003cbr\u003e 13.5 Évaluation du modèle génératif\u003cbr\u003e 13.6 Modèles génératifs multimodaux : combiner langage et vision\u003cbr\u003e [Programme 13-8] Génération d'échantillons par diffusion stable\u003cbr\u003e 13.7 Les modèles génératifs peuvent-ils être de l'art ?\u003cbr\u003e Problèmes pratiques\u003cbr\u003e Références\u003cbr\u003e\u003cbr\u003e [Annexe en ligne](Adresse de téléchargement : http:\/\/www.hanbit.co.kr\/src\/4548)\u003cbr\u003e Annexe A : Principes fondamentaux de la programmation Python \u003cbr\u003eAnnexe B : Algèbre linéaire de base\u003cbr\u003e Annexe C Notions de base sur les probabilités\u003cbr\u003e Annexe D Exercices de programmation du modèle de diffusion\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4069\/MidCate001\/406804927.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eVision par ordinateur : une étude équilibrée des méthodes d’apprentissage classique et profond, théorie et pratique\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e Il offre un mélange équilibré de théorie et de pratique, allant de la vision par ordinateur classique basée sur des règles à la vision par ordinateur basée sur l'apprentissage profond et les données.\u003cbr\u003e Nous avons implémenté 85 programmes Python utilisant OpenCV, qui prend en charge la vision par ordinateur classique, et TensorFlow, qui prend en charge la vision par ordinateur d'apprentissage profond.\u003cbr\u003e Ce livre constituera un guide solide pour l'apprentissage de la vision par ordinateur, présentant les Transformers, qui offrent d'excellentes performances et une évolutivité remarquable, ainsi que la vision 3D et la vision générative, essentielles pour l'interface avec les robots. \u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate de publication :\u003c\/strong\u003e 5 janvier 2023\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 664 pages | 188 × 235 × 35 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791156645481\u003c\/div\u003e\n\n \u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1156645484 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893345878058,"sku":"139206","price":50.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/b2a8593e2282f1890f895ce913f66ced.jpg?v=1765397559","url":"https:\/\/librairie.coreenne.fr\/products\/139206","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}