-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能系統與技術叢書機器學習:使用OpenCV.Python和scikit-learn進行智能圖像處理(原書第2版) 版權信息
- ISBN:9787111668268
- 條形碼:9787111668268 ; 978-7-111-66826-8
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
智能系統與技術叢書機器學習:使用OpenCV.Python和scikit-learn進行智能圖像處理(原書第2版) 本書特色
適讀人群 :本書既適合想要從事機器學習及其相關領域研發的初學者,又適合致力于機器學習研究的高層次讀者。OpenCV是用于構建計算機視覺應用程序的一個開源庫。本書將全面介紹新發布的OpenCV 4版本所提供的大量新特性和平臺改進。 首先,你將了解OpenCV 4的新特性并安裝OpenCV 4來構建計算機視覺應用程序。然后,你將探索機器學習的基礎知識,學習設計用于圖像處理的各種算法,循序漸進地掌握監督學習和無監督學習,并將獲得使用Python中的scikit-learn開發各種機器學習應用程序的實踐經驗。接著,你將學習決策樹、支持向量機(SVM)、貝葉斯學習等各種機器學習算法,以及如何將這些算法應用于目標檢測等計算機視覺操作。之后,你將深入研究深度學習和集成學習,并探索它們在現實世界中的應用,如手寫數字分類和手勢識別等。*后,你將學習用于構建圖像處理系統的英特爾OpenVINO工具包。 學習完本書,你將掌握使用OpenCV 4構建智能計算機視覺應用程序所需要的機器學習技能。
智能系統與技術叢書機器學習:使用OpenCV.Python和scikit-learn進行智能圖像處理(原書第2版) 內容簡介
本書通過具體的編程實踐案例,全面系統地講述了機器學習涉及的核心內容。首先介紹新特性以及安裝OpenCV 4構建計算機視覺應用程序。你將探索機器學習的基礎知識,學習設計用于圖像處理的各種算法。本書將逐步介紹有監督學習和無監督學習。你將獲得使用Python中的scikit-learn開發各種機器學習應用程序的實踐經驗。后續章節將重點介紹決策樹、支持向量機、貝葉斯學習等各種機器學習算法,以及如何將這些算法應用于目標檢測等計算機視覺操作。然后,你將深入研究深度學習和集成學習,并探索它們在現實世界中的應用。*后,你將學習用于構建圖像處理系統的*新的Intel OpenVINO。
智能系統與技術叢書機器學習:使用OpenCV.Python和scikit-learn進行智能圖像處理(原書第2版) 目錄
譯者序
前言
作者簡介
審校者簡介
**部分 機器學習與OpenCV的基礎知識
第1章 機器學習體驗2
11 技術需求3
12 開始機器學習3
13 機器學習可以解決的問題4
14 開始使用Python5
15 開始使用OpenCV6
16 安裝6
161 獲取本書的*新代碼7
162 了解Python的Anaconda發行版8
163 在conda環境中安裝OpenCV9
164 安裝驗證10
165 OpenCV的ml模塊概覽12
17 機器學習的應用13
18 OpenCV 40的新功能13
19 本章小結14
第2章 用OpenCV處理數據15
21 技術需求15
22 理解機器學習的工作流程16
23 使用OpenCV和Python處理數據18
231 開始一個新的IPython或Jupyter會話18
232 使用Python的NumPy包處理數據20
233 用Python加載外部數據集24
234 使用Matplotlib可視化數據25
235 使用C++中的OpenCV TrainData容器處理數據29
24 本章小結30
第3章 監督學習的**步31
31 技術需求31
32 理解監督學習32
321 看看OpenCV中的監督學習33
322 用評分函數度量模型性能33
33 使用分類模型預測類標簽39
331 理解k-NN算法40
332 用OpenCV實現k-NN40
34 使用回歸模型預測連續的結果47
341 理解線性回歸47
342 OpenCV中的線性回歸48
343 使用線性回歸預測波士頓房價51
344 Lasso回歸和嶺回歸的應用54
35 使用邏輯回歸分類鳶尾花的種類55
351 理解邏輯回歸55
352 加載訓練數據56
353 使其成為一個二值分類問題57
354 數據檢查57
355 將數據拆分成訓練集和測試集58
356 訓練分類器58
357 測試分類器59
36 本章小結59
第4章 數據表示和特征工程60
41 技術需求61
42 理解特征工程61
43 數據預處理62
431 特征標準化62
432 特征歸一化63
433 將特征縮放到一個范圍64
434 特征二值化64
435 缺失數據的處理65
44 理解降維66
441 用OpenCV實現主成分分析67
442 實現獨立成分分析70
443 實現非負矩陣分解71
444 使用t-分布隨機鄰域嵌入可視化降維72
45 類別變量的表示74
46 文本特征的表示75
47 圖像的表示77
471 使用顏色空間77
472 檢測圖像中的角點79
473 使用star檢測器和BRIEF描述符82
474 使用面向FAST和可旋轉的BRIEF84
48 本章小結85
第二部分 基于OpenCV的運算
第5章 基于決策樹進行醫療診斷88
51 技術需求88
52 理解決策樹89
521 構建我們的**棵決策樹91
522 可視化一棵經過訓練的決策樹97
523 探究決策樹的內部工作原理99
524 評估特征的重要性100
525 理解決策規則101
526 控制決策樹的復雜度102
53 使用決策樹診斷乳腺癌102
531 加載數據集103
532 構建決策樹104
54 使用決策樹進行回歸108
55 本章小結111
第6章 利用支持向量機進行行人檢測112
61 技術需求113
62 理解線性SVM113
621 學習*優決策邊界113
622 實現我們的**個SVM115
63 處理非線性決策邊界120
631 理解核技巧121
632 了解我們的核121
633 實現非線性SVM122
64 檢測自然場景中的行人123
641 獲取數據集124
642 面向梯度的直方圖概述126
643 生成負樣本127
644 實現SVM128
645 bootstrapping模型129
646 檢測更大圖像中的行人130
647 進一步完善模型132
65 使用SVM的多類分類133
651 關于數據134
652 屬性信息134
66 本章小結136
第7章 利用貝葉斯學習實現一個垃圾郵件過濾器137
71 技術需求138
72 理解貝葉斯推理138
721 概率理論概述138
722 理解貝葉斯定理139
723 理解樸素貝葉斯分類器142
73 實現**個貝葉斯分類器143
731 創建一個玩具數據集143
732 使用普通貝葉斯分類器對數據進行分類144
733 使用樸素貝葉斯分類器對數據進行分類147
734 可視化條件概率147
74 使用樸素貝葉斯分類器分類郵件149
741 加載數據集150
742 使用pandas建立一個數據矩陣152
743 數據預處理153
744 訓練一個普通貝葉斯分類器153
745 在完整數據集上訓練154
746 使用n-grams提升結果154
747 使用TF-IDF提升結果155
75 本章小結156
第8章 利用無監督學習發現隱藏結構157
81 技術需求157
82 理解無監督學習158
83 理解k-均值聚類158
84 理解*大期望161
841 實現*大期望解決方案162
842 了解*大期望的局限性164
85 使用k-均值壓縮顏色空間169
851 可視化真彩色調色板170
852 使用k-均值減少調色板的顏色172
86 使用k-均值分類手寫數字174
861 加載數據集175
862 運行k-均值175
87 將聚類組織為層次樹176
871 理解層次聚類177
872 實現凝聚層次聚類178
873 聚類算法比較179
88 本章小結180
第三部分 基于OpenCV的高級機器學習
第9章 使用深度學習分類手寫數字182
91 技術需求182
92 理解McCulloch-Pitts神經元183
93 理解感知器185
94 實現**個感知器187
941 生成一個玩具數據集188
942 擬合感知器和數據189
943 評估感知器分類器190
944 將感知器應用于非線性可分的數據191
95 理解多層感知器193
951 理解梯度下降194
952 基于反向傳播訓練多層感知器196
953 用OpenCV實現一個多層感知器197
96 結識深度學習202
97 分類手寫數字205
971 加載MNIST數據集205
972 預處理MNIST數據集206
973 使用OpenCV訓練一個多層感知器207
974 使用Keras訓練深度神經網絡208
98 本章小結211
第10章 集成分類方法212
101 技術需求213
102 理解集成方法213
1021 理解平均集成214
1022 理解boosting集成217
1023 理解疊加集成219
103 將決策樹組合成隨機森林220
1031 理解決策樹的缺點220
1032 實現**個隨機森林224
1033 用scikit-learn實現一個隨機森林225
1034 實現超隨機樹226
104 利用隨機森林進行人臉識別228
1041 加載數據集228
1042 預處理數據集229
1043 隨機森林的訓練和測試230
105 實現AdaBoost232
1051 用OpenCV實現AdaBoost232
1052 用scikit-learn實現AdaBoost233
106 把各種模型組合成一個投票分類器234
1061 理解各種投票方案234
1062 實現一個投票分類器235
1063 簡單多數236
107 本章小結237
第11章 選擇正確的模型與超參數調優238
111 技術需求239
112 模型評估239
1121 模型評估的錯誤方式239
1122 模型評估的正確方式240
1123 選擇*佳模型241
113 理解交叉驗證244
1131 用OpenCV手動實現交叉驗證246
1132 用scikit-learn進行k折交叉驗證247
1133 實現留一法交叉驗證247
114 利用bootstrapping評估魯棒性248
115 評估結果的顯著性250
1151 實現Student t-檢驗251
1152 實現McNemar檢驗252
116 基于網格搜索的超參數調優253
1161 實現一個簡單的網格搜索254
1162 理解驗證集的值255
1163 網格搜索與交叉驗證結合256
1164 網格搜索與嵌套交叉驗證結合258
117 利用各種評估指標對模型評分259
1171 選擇正確的分類器評估指標259
1172 選擇正確的回歸評估指標260
118 將算法鏈接起來形成管道260
1181 用scikit-learn實現管道261
1182 在網格搜索中使用管道262
119 本章小結263
第12章 使用基于OpenCV的OpenVINO264
121 技術需求264
122 OpenVINO簡介265
123 OpenVINO工具包安裝265
124 交互式人臉檢測演示266
125 使用基于OpenCV的OpenVINO推理引擎267
126 使用基于OpenCV的OpenVINO模型組268
127 使用OpenCV和OpenVINO推理引擎進行圖像分類269
1271 利用OpenVINO進行圖像分類270
1272 利用OpenCV和OpenVINO進行圖像分類271
128 本章小結273
第13章 尾聲274
131 技術需求274
132 機器學習問題的解決方案275
133 構建自己的估計器276
1331 用C++編寫自己的基于OpenCV的分類器276
1332 用Python編寫自己的基于scikit-learn的分類器278
134 接下來要做的工作280
135 本章小結281
智能系統與技術叢書機器學習:使用OpenCV.Python和scikit-learn進行智能圖像處理(原書第2版) 作者簡介
阿迪蒂亞·夏爾馬(Aditya Sharma),羅伯特·博世(Robert Bosch)公司的一名高級工程師,致力于解決真實世界的自動計算機視覺問題。曾獲得羅伯特·博世公司2019年人工智能編程馬拉松的首名。在印度理工學院,他于2019年的ICIP和2019年的MICCAI上發表了有關深度學習醫學成像的論文。在國際信息技術學院,他的工作主要是文檔圖像超分辨。 他還是一個積極進取的作家,曾為DataCamp和LearnOpenCV撰寫過很多有關機器學習和深度學習的文章。他不僅經營著自己的YouTube頻道,還在NCVPRIPG會議(2017)以及阿里格爾穆斯林大學(Aligarh Muslim University)的深度學習研討會上做過演講。 維什韋什·拉維·什里馬利(Vishwesh Ravi Shrimali),于2018年畢業于彼拉尼博拉理工學院(BITS Pilani)機械工程專業。此后一直在BigVision LLC從事深度學習和計算機視覺方面的工作,還參與了官方OpenCV課程的創建。他對編程和人工智能有著濃厚的興趣,并將其應用到機械工程項目中。他還在LearnOpenCV上寫了多篇有關OpenCV和深度學習的博客。除了撰寫博客和做項目,他喜歡散步和彈奏木吉他。 邁克爾·貝耶勒(Michael Beyeler),是華盛頓大學神經工程和數據科學的博士后研究員,致力于仿生視覺的計算模型研究,以為盲人植入人工視網膜(仿生眼睛),改善盲人的感知體驗。他的工作屬于神經科學、計算機工程、計算機視覺和機器學習的交叉領域。他還是幾個開源軟件項目的主要貢獻者,并在Python、C/C++、CUDA、MATLAB和Android等方面擁有專業的編程經驗。邁克爾在加州大學歐文分校獲得計算機科學博士學位,在瑞士蘇黎世聯邦理工學院獲得生物醫學工程碩士學位和電子工程學士學位。
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
羅曼·羅蘭讀書隨筆-精裝
- >
自卑與超越
- >
月亮與六便士
- >
煙與鏡
- >
莉莉和章魚
- >
中國人在烏蘇里邊疆區:歷史與人類學概述