Building Computer Vision Applications Using Artificial Neural Networks

Manual exhaustivo de Shamshad Ansari que conecta el procesamiento digital de imágenes clásico con las redes neuronales artificiales y el aprendizaje profundo utilizando Python (versión 3 junto a TensorFlow y Keras). Está orientado a científicos de datos, ingenieros de software y entusiastas de la visión por computadora de nivel intermedio que cuenten con conocimientos básicos de Python y álgebra lineal, y aspiren a construir sistemas comerciales e industriales de análisis visual.

El libro guía al lector a través de un conjunto de herramientas estándar compuesto por OpenCV, TensorFlow, Keras, NumPy, SciPy y Matplotlib. Enseña transformaciones geométricas, filtrado espacial y extracción de rasgos visuales, para luego dar el salto a redes multicapa (MLP) y redes neuronales convolucionales (CNN). Avanza hacia arquitecturas avanzadas de detección de objetos como SSD (Single Shot MultiBox Detector) y YOLO (You Only Look Once), seguimiento continuo de objetos en secuencias de video, reconocimiento facial mediante embeddings con FaceNet, y estrategias de escalado y entrenamiento distribuido en clústeres GPU mediante Horovod sobre plataformas cloud como AWS, Azure y Google Cloud Platform.

A lo largo de sus capítulos se desarrollan casos de uso reales: un sistema de seguimiento de objetos en video, una canalización completa de reconocimiento e identificación facial, y un modelo de control de calidad para inspección visual y detección de defectos en entornos de manufactura industrial. Es una obra muy equilibrada que cubre el ciclo de desarrollo completo desde el preprocesamiento de la imagen hasta el despliegue en la nube, aunque conviene tener en cuenta que parte de los ejemplos utilizan la sintaxis de TensorFlow 1.x con compatibilidad para TensorFlow 2, lo que requiere ligeras adaptaciones si se utiliza exclusivamente el API más reciente.