The Art of Deep Learning Image Augmentation: The Seeds of Success (eBook)

The Art of Deep Learning Image Augmentation: The Seeds of Success (eBook)

Jyotismita Chaki
Jyotismita Chaki
Prezzo:
€ 46,79
Compra EPUB
Prezzo:
€ 46,79
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: Inglese
Editore: Springer
Collana: SpringerBriefs in Computational Intelligence
Codice EAN: 9789819650811
Anno pubblicazione: 2025
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

This book addresses the critical challenge of limited training data in deep learning for computer vision by exploring and evaluating various image augmentation techniques, with a particular emphasis on deep learning-based methods. Chapter 1 establishes the core problem of data scarcity, outlining its negative impacts on model performance, and introduces traditional image augmentation techniques like geometric transformations, color space manipulations, and other methods such as noise injection. It highlights the limitations of these traditional approaches, including limited variation, lack of control, and inability to introduce new information, before introducing the advantages of deep learning-based augmentation, such as superior control, task adaptability, enhanced realism, and automation. Chapter 2 delves into GAN-based image augmentation, discussing how GANs generate realistic synthetic images for various applications like super-resolution and image-to-image translation, while also addressing the challenges associated with GAN training and potential future directions. Chapter 3 explores autoencoder-based image augmentation, covering techniques like VAEs, DAEs, and AAEs, and highlighting architectural considerations and challenges such as overfitting. Chapter 4 showcases the diverse applications of deep learning-based image augmentation and how it enhances various computer vision tasks by improving generalization, robustness, and accuracy. Chapter 5 discusses strategies for evaluating and optimizing deep learning image augmentation, including traditional metrics, image quality metrics, and hyperparameter tuning techniques. Finally, Chapter 6 explores cutting-edge advancements, covering AutoAugment, interpretable augmentation, attention-based augmentation, counterfactual augmentation, and human-in-the-loop augmentation, emphasizing the role of human expertise in creating high-quality augmented data.