Трехмерное глубокое обучение на Python, Ма К., Хегде В., Йольан Л., 2023

К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.

Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь, если она у них есть наличии в данный момент.

Также можно купить бумажную версию книги здесь.

Ссылки на файлы заблокированы по запросу правообладателей.

Links to files are blocked at the request of copyright holders.

Трехмерное глубокое обучение на Python, Ма К., Хегде В., Йольан Л., 2023.
 
В этом руководстве исследуется современное трехмерное глубокое обучение: приводятся пошаговые объяснения базовых понятий и концепций, а также практические примеры, на основе которых вы сможете создавать собственные модели. Вы научитесь обрабатывать 3D-данные с использованием облаков точек, полигональных сеток; работать с 3D-геометрией, моделями камеры, системами координат; разбираться в понятиях отрисовки, затенения и др.; применять современные продвинутые модели трехмерного глубокого обучения, такие как NeRF, SynSin, Mesh R-CNN. Издание предназначено для практиков машинного обучения от начального до среднего уровня, исследователей данных, а также инженеров машинного и глубокого обучения, которые хотят изучить и применять методы трехмерного компьютерного зрения.

Трехмерное глубокое обучение на Python, Ма К., Хегде В., Йольан Л., 2023


Функции потери для регуляризации.
В предыдущем разделе мы успешно сформулировали задачу подгонки деформируемой полигональной сетки в задачу оптимизации. Однако подход к решению задачи путем прямой оптимизации этой главной функции потери будет проблематичным. Проблема заключается в возможности существования нескольких сеточных моделей, которые хорошо вписываются в одно и то же облако точек. Эти хорошо вписывающиеся сеточные модели могут содержать полигональные сетки, расположенные далеко от гладких полигональных сеток.  С другой стороны, обычно мы обладаем предварительными знаниями о пешеходах. Например, поверхности пешеходов – как правило, гладкие, нормы поверхностей – тоже гладкие. Таким образом, даже если негладкая полигональная сетка близка к входному облаку точек в терминах фасочного расстояния, мы с определенной степенью уверенности знаем, что она далека от достоверных данных.

Содержание.
От издательства.
Об авторах.
О рецензентах.
Предисловие.
Часть I.Основы обработки 3D-данных.
Часть II.Трехмерное глубокое обучение с использованием библиотеки PyTorch3D.
Часть III.Современное трехмерное глубокое обучение с использованием библиотеки PyTorch3D.
Тематический указатель.

Купить .

По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «Литрес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.

On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.


Дата публикации:

Хештеги: :: :: :: :: ::


Следующие учебники и книги:
Предыдущие статьи: