掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
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
計算機視覺應用構建(OpenCV與TensorFlow實例)/智能系統與技術叢書 版權信息
- ISBN：9787111708766
- 條形碼：9787111708766 ; 978-7-111-70876-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
計算機視覺應用構建(OpenCV與TensorFlow實例)/智能系統與技術叢書 本書特色
Accure創始人、總裁兼首席執行官執筆，手把手教你構建工業級計算機視覺應用，包含大量實際代碼示例
計算機視覺應用構建(OpenCV與TensorFlow實例)/智能系統與技術叢書 內容簡介
本書首先介紹了圖像處理基礎知識、構建計算機視覺系統、深度學習與人工神經網絡，然后重點闡述了深度學習用于圖像識別及目標檢測。之后，本書通過多個案例來介紹深度學習在計算機視覺方面的應用，同時探討了云上計算機視覺建模。特別地，本書通過設問及循序漸進的學習目標，可以讓讀者深刻領會利用深度學習技術解決計算機視覺問題。
計算機視覺應用構建(OpenCV與TensorFlow實例)/智能系統與技術叢書 目錄
譯者序
前言
致謝
第1章 前提條件和軟件安裝 1
1.1 Python和PIP 1
1.2 virtualenv 3
1.3 TensorFlow 4
1.4 PyCharm IDE 4
1.5 OpenCV 5
1.6 附加庫 6
第2章 圖像和視頻處理的核心概念 7
2.1 圖像處理 7
2.2 圖像基礎 7
2.3 像素 8
2.4 坐標系 8
2.5 操作圖像的Python和OpenCV代碼 10
2.6 畫圖 13
2.7 總結 18
第3章 圖像處理技術 19
3.1 圖像轉換 19
3.2 圖像算術運算與位運算 28
3.3 掩碼 36
3.4 通道分割與合并 38
3.5 利用平滑處理和模糊處理降噪 40
3.6 閾值二值化 46
3.7 梯度和邊緣檢測 52
3.8 輪廓 56
3.9 總結 58
第4章 構建基于機器學習的計算機視覺系統 59
4.1 圖像處理流水線 59
4.2 特征提取 60
4.3 特征選擇 79
4.4 模型訓練 80
4.5 模型部署 82
4.6 總結 84
第5章 深度學習與人工神經網絡 85
5.1 人工神經網絡 85
5.2 TensorFlow 102
5.3 **個使用深度學習的計算機視覺模型：手寫數字分類 104
5.4 模型評估 110
5.5 超參數 113
5.6 保存模型和恢復模型 117
5.7 卷積神經網絡 121
5.8 總結 135
第6章 深度學習用于目標檢測 136
6.1 目標檢測 136
6.2 交并比 137
6.3 R-CNN 138
6.4 Fast R-CNN 139
6.5 Faster R-CNN 140
6.6 Mask R-CNN 141
6.7 單發多盒檢測 144
6.8 YOLO 148
6.9 YOLO的局限性 150
6.10 目標檢測算法的比較 153
6.11 利用TensorFlow訓練目標檢測模型 155
6.12 利用訓練的模型檢測目標 171
6.13 用于目標檢測的YOLOv3模型訓練 182
6.14 利用訓練的YOLOv3模型檢測目標 190
6.15 總結 194
第7章 實例：視頻中的目標跟蹤 195
7.1 準備工作環境 196
7.2 讀取視頻流 197
7.3 加載目標檢測模型 199
7.4 檢測視頻幀中的目標 199
7.5 利用dHash算法為目標創建唯一標識 201
7.6 用漢明距離法計算圖像相似度 202
7.7 目標跟蹤 202
7.8 在Web瀏覽器中顯示實時視頻流 204
7.9 整合 207
7.10 總結 214
第8章 實例：人臉識別 215
8.1 FaceNet及其架構 215
8.2 人臉識別模型的訓練 220
8.3 實時人臉識別系統的開發 226
8.4 總結 230
第9章 工業應用：工業制造中的實時缺陷檢測 231
9.1 實時表面缺陷檢測系統 231
9.2 圖像注釋 244
9.3 總結 248
第10章 云上計算機視覺建模 249
10.1 TensorFlow分布式訓練 250
10.2 TensorFlow分布策略 251
10.3 TF_CONFIG：TensorFlow集群配置 255
10.4 使用參數服務器的分布式訓練示例代碼 256
10.5 在云上執行分布式訓練的步驟 259
10.6 基于谷歌云的分布式訓練 260
10.7 基于Azure的分布式訓練 267
10.8 基于AWS的分布式訓練 275
10.9 總結 285
前言
致謝
第1章 前提條件和軟件安裝 1
1.1 Python和PIP 1
1.2 virtualenv 3
1.3 TensorFlow 4
1.4 PyCharm IDE 4
1.5 OpenCV 5
1.6 附加庫 6
第2章 圖像和視頻處理的核心概念 7
2.1 圖像處理 7
2.2 圖像基礎 7
2.3 像素 8
2.4 坐標系 8
2.5 操作圖像的Python和OpenCV代碼 10
2.6 畫圖 13
2.7 總結 18
第3章 圖像處理技術 19
3.1 圖像轉換 19
3.2 圖像算術運算與位運算 28
3.3 掩碼 36
3.4 通道分割與合并 38
3.5 利用平滑處理和模糊處理降噪 40
3.6 閾值二值化 46
3.7 梯度和邊緣檢測 52
3.8 輪廓 56
3.9 總結 58
第4章 構建基于機器學習的計算機視覺系統 59
4.1 圖像處理流水線 59
4.2 特征提取 60
4.3 特征選擇 79
4.4 模型訓練 80
4.5 模型部署 82
4.6 總結 84
第5章 深度學習與人工神經網絡 85
5.1 人工神經網絡 85
5.2 TensorFlow 102
5.3 **個使用深度學習的計算機視覺模型：手寫數字分類 104
5.4 模型評估 110
5.5 超參數 113
5.6 保存模型和恢復模型 117
5.7 卷積神經網絡 121
5.8 總結 135
第6章 深度學習用于目標檢測 136
6.1 目標檢測 136
6.2 交并比 137
6.3 R-CNN 138
6.4 Fast R-CNN 139
6.5 Faster R-CNN 140
6.6 Mask R-CNN 141
6.7 單發多盒檢測 144
6.8 YOLO 148
6.9 YOLO的局限性 150
6.10 目標檢測算法的比較 153
6.11 利用TensorFlow訓練目標檢測模型 155
6.12 利用訓練的模型檢測目標 171
6.13 用于目標檢測的YOLOv3模型訓練 182
6.14 利用訓練的YOLOv3模型檢測目標 190
6.15 總結 194
第7章 實例：視頻中的目標跟蹤 195
7.1 準備工作環境 196
7.2 讀取視頻流 197
7.3 加載目標檢測模型 199
7.4 檢測視頻幀中的目標 199
7.5 利用dHash算法為目標創建唯一標識 201
7.6 用漢明距離法計算圖像相似度 202
7.7 目標跟蹤 202
7.8 在Web瀏覽器中顯示實時視頻流 204
7.9 整合 207
7.10 總結 214
第8章 實例：人臉識別 215
8.1 FaceNet及其架構 215
8.2 人臉識別模型的訓練 220
8.3 實時人臉識別系統的開發 226
8.4 總結 230
第9章 工業應用：工業制造中的實時缺陷檢測 231
9.1 實時表面缺陷檢測系統 231
9.2 圖像注釋 244
9.3 總結 248
第10章 云上計算機視覺建模 249
10.1 TensorFlow分布式訓練 250
10.2 TensorFlow分布策略 251
10.3 TF_CONFIG：TensorFlow集群配置 255
10.4 使用參數服務器的分布式訓練示例代碼 256
10.5 在云上執行分布式訓練的步驟 259
10.6 基于谷歌云的分布式訓練 260
10.7 基于Azure的分布式訓練 267
10.8 基于AWS的分布式訓練 275
10.9 總結 285
展開全部
計算機視覺應用構建(OpenCV與TensorFlow實例)/智能系統與技術叢書 作者簡介
作者簡介 沙姆沙德?安薩里（Shamshad Ansari）是人工智能自動化公司Accure的創始人、總裁兼首席執行官。他比較擅長計算機視覺、機器學習、人工智能、認知科學、自然語言處理和大數據等技術，設計并開發了自動化AI解決方案開發平臺Momentum。同時，他還是一名發明家，在人工智能和計算認知領域擁有4項美國專利。 沙姆沙德?安薩里曾擔任IBM的高級軟件工程師、Orbit Solutions的工程副總裁，以及Apixio的首席架構師和工程總監。
書友推薦
- >
月亮與六便士
- >
伯納黛特,你要去哪(2021新版)
- >
巴金－再思錄
- >
山海經
- >
朝聞道
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
中國歷史的瞬間
本類暢銷
