使用OpenCV和Python对机器学习和图像处理的实用教程。
作者简介
Michael Beyeler是华盛顿大学神经工程和数据科学的博士后研究员，他正在研究仿生视觉的计算模型，以改善植入视网膜假体（仿生眼）的盲人患者的感知体验。 他的工作在于神经科学，计算机工程，计算机视觉和机器学习的交叉点。 Michael是Packt Publishing的《OpenCV with Python Blueprints》的作者，这是一本用于构建高级计算机视觉项目的实用指南。 他还是多个开源软件项目的积极贡献者，并拥有Python，C/C++，CUDA，MATLAB和Android方面的专业编程经验。
审稿简介
Vipul Sharma是印度班加罗尔一家初创公司的软件工程师。他在贾巴尔普尔工程学院（2016年）学习信息技术工程。他是一位热心的Python粉丝，喜欢在业余时间建立计算机视觉项目。他也是开源爱好者，并且正在寻找有趣的项目。他的代码仓库：https://github.com/vipul-sharma20。
Rahul Kavi是硅谷的研究科学家。他拥有西弗吉尼亚大学的计算机科学硕士和博士学位。Rahul致力于为各种平台和应用研究和优化计算机视觉应用。他还为OpenCV中的机器学习模块做出了贡献。他在美国宇航局2015年和2016年竞赛获得一等奖。
内容简介
第1章：介绍机器学习的不同子领域；如何在Python Anaconda环境中安装OpenCV和其他必备工具。
第2章，向您展示典型的机器学习工作流程，以及数据的来源。解释训练和测试数据之间的区别，并向您展示如何使用OpenCV和Python加载，存储，操作和可视化数据。
第3章，通过回顾一些核心概念，如分类和回归，向您介绍监督学习的主题。您将学习如何在OpenCV中实现简单的机器学习算法，如何对数据进行预测以及如何评估模型。
第4章，了解一些常见的和众所周知的机器学习数据集，以及如何从原始数据中提取有趣的东西。
第5章，使用决策树进行医疗诊断，将向您展示如何在OpenCV中构建决策树，并将其用于各种分类和回归问题。
第6章，使用支持向量机检测行人，将解释如何在OpenCV中构建支持向量机，以及如何应用它们来检测图像中的行人。
第7章，使用贝叶斯学习实现垃圾邮件过滤器，将向您介绍概率论，并向您展示如何使用贝叶斯推理将电子邮件分类为垃圾邮件。
第8章，使用无监督学习发现隐藏结构，将讨论无监督学习算法，如k均值聚类和期望最大化，并向您展示如何使用它们来提取简单，未标记数据集中的隐藏结构。
第9章，使用深度学习对手写数字进行分类，将向您介绍令人兴奋的深度学习领域。从感知器和多层感知器开始，您将学习如何构建深度神经网络，以便对来自广泛的MNIST数据库的手写数字进行分类。
第10章，将不同的算法组合成一个集合，将向您展示如何有效地将多个算法组合成一个集合，以克服个体学习者的弱点，从而产生更准确和可靠的预测。
第11章，向您介绍模型选择的概念，它允许您比较不同的机器学习算法，以便为手头的任务选择正确的工具。
第12章，提供有关如何自己处理未来机器学习问题以及在何处查找有关更高级主题的信息的有用提示来结束本书。
准备
电脑，Python Anaconda和热情。python和opencv基础。
中文书籍技术支持：技术支持qq群： 144081101 591302926 567351477 钉钉免费群：21745728
代码：https://github.com/mbeyeler/opencv-machine-learning
Machine Learning for OpenCV - 2017.pdf
