掃一掃
關(guān)注中圖網(wǎng)
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(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算機視覺 版權(quán)信息
- ISBN：9787560667447
- 條形碼：9787560667447 ; 978-7-5606-6744-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
計算機視覺 本書特色
本書在內(nèi)容設(shè)置、模塊劃分和形式編排方面緊密聯(lián)系實際，注重學以致用，具有以下特點： (1) 在內(nèi)容設(shè)置方面，依據(jù)計算機視覺技術(shù)發(fā)展的時間線設(shè)置教學內(nèi)容，詳細講解了基于底層圖像特征和分類的傳統(tǒng)計算機視覺算法，及以卷積神經(jīng)網(wǎng)絡(luò)為主的基于深度學習的計算機視覺算法。 (2) 在模塊劃分方面，把內(nèi)容分為基礎(chǔ)理論、案例分析及實驗拓展訓練三個部分。本書本著“力求簡單，又不影響理解”的原則講解計算機視覺技術(shù)的概念和原理；在案例分析部分，通過代碼和實驗圖像讓讀者直觀感受計算機視覺算法處理的效果，幫助其理解計算機視覺的核心內(nèi)容；實驗拓展以任務(wù)為驅(qū)動，以算法實現(xiàn)為目標，提升學生解決實際問題的能力。 (3) 在形式編排方面，在講解相關(guān)理論知識的基礎(chǔ)上，主要章節(jié)均設(shè)置了實驗任務(wù)，提供了相應算法的Python實現(xiàn)代碼，引導學生動手實踐，幫助學生解決實際問題并掌握計算機視覺算法在相關(guān)領(lǐng)域的應用，培養(yǎng)學生的創(chuàng)新實踐能力。
計算機視覺 內(nèi)容簡介
本書詳細講解了傳統(tǒng)計算機視覺和基于深度學習的計算機視覺的一般原理和典型方法。在傳統(tǒng)計算機視覺方面，介紹了圖像幾何變換、顏色變換、直方圖處理、圖像濾波等，并詳細講解了圖像底層特征和傳統(tǒng)分類算法。在深度學習計算機視覺方面，詳細介紹了如何將卷積神經(jīng)網(wǎng)絡(luò)應用于物體分類、目標檢測等任務(wù)中。*后探討了其他深度學習網(wǎng)絡(luò)，如循環(huán)神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)以及對抗生成網(wǎng)絡(luò)在計算機視覺領(lǐng)域的*新應用。
計算機視覺 目錄
第1章 計算機視覺概述 1
1.1 計算機視覺的研究目標及相關(guān)歷史 2
1.2 計算機視覺的發(fā)展 3
1.3 計算機視覺的任務(wù) 4
1.4 計算機視覺與其他學科的聯(lián)系 6
本章小結(jié) 6
課后習題 7
第2章 Python與OpenCV運行環(huán)境 8
2.1 Anaconda 8
2.2 編譯器 12
2.3 OpenCV視覺庫 13
2.3.1 OpenCV功能模塊 13
2.3.2 OpenCV基本數(shù)據(jù)結(jié)構(gòu) 14
2.3.3 OpenCV圖像基本操作 15
本章小結(jié) 25
課后習題 25
第3章 圖像預處理 27
3.1 直方圖修正 27
3.1.1 灰度直方圖 27
3.1.2 直方圖均衡化 28
3.1.3 直方圖規(guī)定化 31
3.2 空域濾波 34
3.2.1 空域平滑濾波器 35
3.2.2 空域銳化濾波器 39
3.3 頻域濾波 44
3.3.1 頻域平滑濾波器 46
3.3.2 頻域銳化濾波器 49
本章小結(jié) 50
課后習題 50
第4章 圖像特征提取 52
4.1 HOG特征 52
4.2 SIFT特征 55
4.3 哈希(Hash)特征 65
4.3.1 平均哈希算法 65
4.3.2 感知哈希算法 68
4.3.3 差異哈希算法 69
本章小結(jié) 72
課后習題 72
第5章 圖像分類 73
5.1 k-*近鄰分類器 75
5.2 樸素貝葉斯分類器 76
5.2.1 樸素貝葉斯分類法 78
5.2.2 樸素貝葉斯分類法實例 79
5.3 SVM分類器 81
5.3.1 SVM算法原理 81
5.3.2 多類SVM損失函數(shù) 91
5.3.3 Softmax分類器 95
5.4 分類器預測結(jié)果評估 96
本章小結(jié) 97
課后習題 97
第6章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 98
6.1 神經(jīng)網(wǎng)絡(luò)基本概念 98
6.2 激活函數(shù) 99
6.3 神經(jīng)網(wǎng)絡(luò)設(shè)計 102
6.4 損失函數(shù) 103
6.5 梯度下降 104
6.6 神經(jīng)網(wǎng)絡(luò)反向傳播 107
6.6.1 鏈式法則和反向傳播 107
6.6.2 信號前向傳播和誤差反向傳播 109
6.6.3 神經(jīng)網(wǎng)絡(luò)訓練 110
本章小結(jié) 111
課后習題 111
第7章 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 112
7.1 卷積層 112
7.2 池化層 114
7.3 激活層 115
7.4 全連接層 115
7.5 卷積神經(jīng)網(wǎng)絡(luò)示例 116
7.6 卷積的有效性 117
本章小結(jié) 120
課后習題 120
第8章 目標檢測 121
8.1 目標檢測的發(fā)展歷程 121
8.1.1 傳統(tǒng)目標檢測算法 122
8.1.2 基于深度學習的目標檢測算法 122
8.2 候選區(qū)域提取 122
8.2.1 滑動窗口法 122
8.2.2 選擇性搜索法 125
8.3 目標定位和分類 125
8.4 兩階段目標檢測算法 126
8.4.1 RCNN算法 126
8.4.2 Fast RCNN算法 129
8.4.3 Faster RCNN算法 131
8.5 一階段目標檢測算法 133
8.5.1 YOLO算法 133
8.5.2 SSD算法 136
8.6 采用YOLO算法進行目標檢測的實例 139
本章小結(jié) 144
課后習題 144
第9章 其他深度學習網(wǎng)絡(luò) 146
9.1 循環(huán)神經(jīng)網(wǎng)絡(luò) 146
9.1.1 基本概念 146
9.1.2 雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 148
9.1.3 LSTM網(wǎng)絡(luò) 148
9.1.4 LSTM網(wǎng)絡(luò)模型訓練 152
9.2 深度信念網(wǎng)絡(luò) 152
9.2.1 受限玻爾茲曼機 152
9.2.2 構(gòu)建深度信念網(wǎng)絡(luò) 154
9.3 生成對抗網(wǎng)絡(luò) 155
9.3.1 基本概念 155
9.3.2 生成對抗網(wǎng)絡(luò)模型 155
9.3.3 訓練過程 156
9.3.4 目標函數(shù) 157
9.3.5 生成對抗網(wǎng)絡(luò)的應用 158
本章小結(jié) 159
課后習題 159
第10章 人臉表情識別研究 160
10.1 人臉表情識別的發(fā)展歷史 160
10.2 人臉表情識別的主要方法 162
10.3 人臉表情識別的實現(xiàn)過程 163
10.4 人臉表情識別的算法實現(xiàn) 164
10.5 人臉表情識別的評價指標 172
10.6 人臉表情識別的挑戰(zhàn) 173
本章小結(jié) 173
第11章 計算機視覺實驗 174
11.1 圖像基礎(chǔ)變換 174
11.2 圖像空域濾波 175
11.3 邊緣檢測 176
11.4 特征提取 178
11.5 傳統(tǒng)圖像分類 185
11.6 神經(jīng)網(wǎng)絡(luò)分類 190
11.7 卷積神經(jīng)網(wǎng)絡(luò)分類 192
11.8 YOLO目標檢測 194
本章小結(jié) 195
參考文獻 196
展開全部
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
山海經(jīng)
- >
我從未如此眷戀人間
- >
中國歷史的瞬間
- >
莉莉和章魚
- >
李白與唐代文化
- >
巴金－再思錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
