使用OpenCV和Python對機器學習和圖像處理的實用教程。

作者簡介

Michael Beyeler是華盛頓大學神經工程和數據科學的博士后研究員，他正在研究仿生視覺的計算模型，以改善植入視網膜假體（仿生眼）的盲人患者的感知體驗。 他的工作在于神經科學，計算機工程，計算機視覺和機器學習的交叉點。 Michael是Packt Publishing的《OpenCV with Python Blueprints》的作者，這是一本用于構建高級計算機視覺項目的實用指南。 他還是多個開源軟件項目的積極貢獻者，并擁有Python，C/C++，CUDA，MATLAB和Android方面的專業編程經驗。

審稿簡介

Vipul Sharma是印度班加羅爾一家初創公司的軟件工程師。他在賈巴爾普爾工程學院（2016年）學習信息技術工程。他是一位熱心的Python粉絲，喜歡在業余時間建立計算機視覺項目。他也是開源愛好者，并且正在尋找有趣的項目。他的代碼倉庫：https://github.com/vipul-sharma20。

Rahul Kavi是硅谷的研究科學家。他擁有西弗吉尼亞大學的計算機科學碩士和博士學位。Rahul致力于為各種平臺和應用研究和優化計算機視覺應用。他還為OpenCV中的機器學習模塊做出了貢獻。他在美國宇航局2015年和2016年競賽獲得一等獎。

內容簡介

• 第1章：介紹機器學習的不同子領域；如何在Python Anaconda環境中安裝OpenCV和其他必備工具。

• 第2章，向您展示典型的機器學習工作流程，以及數據的來源。解釋訓練和測試數據之間的區別，并向您展示如何使用OpenCV和Python加載，存儲，操作和可視化數據。

• 第3章，通過回顧一些核心概念，如分類和回歸，向您介紹監督學習的主題。您將學習如何在OpenCV中實現簡單的機器學習算法，如何對數據進行預測以及如何評估模型。

• 第4章，了解一些常見的和眾所周知的機器學習數據集，以及如何從原始數據中提取有趣的東西。

• 第5章，使用決策樹進行醫療診斷，將向您展示如何在OpenCV中構建決策樹，并將其用于各種分類和回歸問題。

• 第6章，使用支持向量機檢測行人，將解釋如何在OpenCV中構建支持向量機，以及如何應用它們來檢測圖像中的行人。

• 第7章，使用貝葉斯學習實現垃圾郵件過濾器，將向您介紹概率論，并向您展示如何使用貝葉斯推理將電子郵件分類為垃圾郵件。

• 第8章，使用無監督學習發現隱藏結構，將討論無監督學習算法，如k均值聚類和期望最大化，并向您展示如何使用它們來提取簡單，未標記數據集中的隱藏結構。

• 第9章，使用深度學習對手寫數字進行分類，將向您介紹令人興奮的深度學習領域。從感知器和多層感知器開始，您將學習如何構建深度神經網絡，以便對來自廣泛的MNIST數據庫的手寫數字進行分類。

• 第10章，將不同的算法組合成一個集合，將向您展示如何有效地將多個算法組合成一個集合，以克服個體學習者的弱點，從而產生更準確和可靠的預測。

• 第11章，向您介紹模型選擇的概念，它允許您比較不同的機器學習算法，以便為手頭的任務選擇正確的工具。

• 第12章，提供有關如何自己處理未來機器學習問題以及在何處查找有關更高級主題的信息的有用提示來結束本書。

準備

電腦，Python Anaconda和熱情。python和opencv基礎。

中文書籍技術支持：技術支持qq群： 144081101 591302926 567351477 釘釘免費群：21745728

代碼：https://github.com/mbeyeler/opencv-machine-learning

Machine Learning for OpenCV - 2017.pdf

image.png