Få en dypere forståelse av metodikker og algoritmer innen bildebehandling, med bruk av maskinlæring og nevrale nettverk i Python. Boken tar deg steg for steg gjennom oppsett av miljøet, grunnleggende bildebehandlingsterminologi og utforskning av Python-konsepter som er nøkkelen til å implementere de diskuterte algoritmene. Deretter går du i dybden på de viktigste bildebehandlingsalgoritmene, før du dykker ned i den største biblioteket for datamaskinsyn: OpenCV. Her lærer du om OpenCV-algoritmer og hvordan de kan brukes til effektiv bildebehandling. I neste del av boken avdekkes avanserte metoder innen maskinlæring og dyp læring for bildebehandling og klassifisering. Du vil jobbe med konsepter som pulse coupled neural networks, AdaBoost, XGBoost, og konvolusjonelle nevrale nettverk for spesifikke bildeapplikasjoner. Senere i boken undersøkes hvordan modeller utvikles i sanntid og deretter distribueres ved hjelp av ulike DevOps-verktøy. Alle konseptene i "Practical Machine Learning and Image Processing" forklares med hjelp av virkelige eksempler.
