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
機器人智能視覺感知與深度學習應用 版權信息
- ISBN：9787111728726
- 條形碼：9787111728726 ; 978-7-111-72872-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器人智能視覺感知與深度學習應用 本書特色
本書基于機器人視覺感知與控制技術國家工程研究中心多年的研究積累，從原理方法、算法開發、模型搭建、實驗驗證和對比分析等方面概述了機器人視覺感知系統和深度學習技術。
機器人智能視覺感知與深度學習應用 內容簡介
主要內容包括基于深度學習的智能視覺感知技術概述、相機標定、視覺目標檢測、視覺目標分割、視覺目標跟蹤、行人重識別、人體姿態估計、智能噴碼檢測、智能表格識別、移動機器人視覺感知系統、智能人機交互等。全書擬從理論到實際應用，從算法分析到編程實現等多角度全方位介紹深度學習技術在智能視覺感知方面的研究，并深度結合了當前國內外近期新研究熱點，為業內人士從事相關研究與應用工作提供重要參考。
機器人智能視覺感知與深度學習應用 目錄
目 錄
推薦序
前言
第1章 緒論 1
1.1 機器人視覺感知系統 2
1.2 機器人視覺感知發展趨勢 2
1.3 機器人視覺感知研究挑戰 3
1.4 噴碼識別系統應用實踐 8
1.4.1 噴碼檢測方法概述 9
1.4.2 噴碼識別系統需求分析 11
1.4.3 噴碼識別系統硬件選型 12
1.4.4 基于輕量級Ghost-YOLO
模型的噴碼識別 16
1.5 本章小結 30
第2章 機器人智能視覺感知系統
概述 31
2.1 機器人智能視覺感知系統組成 31
2.2 機器人智能視覺感知的主要
流程 37
2.3 機器人智能視覺感知的典型
應用 39
2.3.1 面向農業機器人的視覺感知概述 40
2.3.2 基于多模型融合的應用
實踐 41
2.4 本章小結 49
第3章 深度學習技術概述 50
3.1 全連接神經網絡 50
3.1.1 反向傳播原理 52
3.1.2 全連接神經網絡的缺點 53
3.2 卷積神經網絡及其應用 53
3.2.1 神經網絡的基本運算 54
3.2.2 神經網絡的常用函數 58
3.2.3 模型融合 64
3.2.4 循環神經網絡 66
3.2.5 集成學習理論基礎 69
3.3 基于深度學習的視覺目標檢測 70
3.3.1 兩階段算法 71
3.3.2 一階段算法 71
3.4 基于深度學習的視覺目標跟蹤 73
3.4.1 單目標跟蹤 73
3.4.2 多目標跟蹤 74
3.5 本章小結 75
第4章 自然場景下文本檢測與
識別 76
4.1 概述 76
4.2 基于圖像分割的場景文本檢測 81
4.2.1 特征提取網絡 82
4.2.2 文本區域掩碼標簽的
生成 83
4.2.3 場景文本區域的檢測 84
4.2.4 文本區域的后處理算法 85
4.2.5 文本檢測應用實踐 87
4.3 基于序列的場景文本識別 92
4.3.1 場景文本特征序列的
提取 93
4.3.2 特征序列上下文信息
提取 95
4.3.3 轉錄層文本識別 98
4.3.4 文本識別網絡 100
4.3.5 模型訓練 101
4.3.6 文本識別應用實踐 102
4.4 基于輕量級模型的噴碼文本識別
系統 106
4.4.1 字符區域提取 107
4.4.2 字符文本處理 108
4.4.3 字符文本識別 109
4.4.4 字符文本識別應用實踐 115
4.4.5 基于嵌入式系統的算法
設計與實現 121
4.4.6 系統運行測試 124
4.5 本章小結 125
第5章 視覺目標檢測 126
5.1 目標檢測系統概述 126
5.2 目標檢測的相關概念 129
5.3 目標檢測模型分類 133
5.4 數據獲取與處理 135
5.4.1 數據預處理 136
5.4.2 數據標注 138
5.5 基于R-FCN的目標檢測 140
5.5.1 R-FCN基本原理介紹 140
5.5.2 R-FCN算法的改進 146
5.5.3 目標檢測應用實踐 150
5.6 基于Mask R-CNN的目標檢測 153
5.6.1 Mask R-CNN算法基本
原理 154
5.6.2 改進Mask R-CNN模型 157
5.6.3 Mask R-CNN應用實踐 162
5.6.4 籃球以及球員檢測系統
軟件設計 164
5.7 本章小結 167
第6章 多目標跟蹤 168
6.1 目標跟蹤概述 168
6.1.1 單目標跟蹤 168
6.1.2 多目標跟蹤 171
6.1.3 多相機多目標跟蹤 175
6.2 多目標跟蹤系統構成 176
6.3 基于序列特征的多目標跟蹤
方法 177
6.4 基于上下文圖模型的單相機多目標
跟蹤 184
6.4.1 圖卷積神經網絡的基礎
知識 186
6.4.2 基于上下文圖模型的單相機多球員跟蹤 187
6.4.3 多目標跟蹤應用實踐 193
6.5 本章小結 199
第7章 圖像語義分割 200
7.1 圖像語義分割概述 200
7.1.1 圖像分割算法的定義 200
7.1.2 傳統的圖像分割算法 200
7.1.3 基于卷積神經網絡的圖像
語義分割算法 204
7.2 基于自適應特征選擇網絡的遙感
影像語義分割 208
7.2.1 基于自適應特征選擇
網絡的遙感影像語義分割
算法 208
7.2.2 基于自適應特征選擇網絡的遙感影像分割應用實踐 211
7.3 基于SU-SWA的區域分割 215
7.3.1 基于SU-SWA的區域分割
任務分析 215
7.3.2 基于SU-SWA的區域分割
方法 215
7.3.3 基于SU-SWA的區域分割
應用實踐 219
7.4 本章小結 229
參考文獻 230
推薦序
前言
第1章 緒論 1
1.1 機器人視覺感知系統 2
1.2 機器人視覺感知發展趨勢 2
1.3 機器人視覺感知研究挑戰 3
1.4 噴碼識別系統應用實踐 8
1.4.1 噴碼檢測方法概述 9
1.4.2 噴碼識別系統需求分析 11
1.4.3 噴碼識別系統硬件選型 12
1.4.4 基于輕量級Ghost-YOLO
模型的噴碼識別 16
1.5 本章小結 30
第2章 機器人智能視覺感知系統
概述 31
2.1 機器人智能視覺感知系統組成 31
2.2 機器人智能視覺感知的主要
流程 37
2.3 機器人智能視覺感知的典型
應用 39
2.3.1 面向農業機器人的視覺感知概述 40
2.3.2 基于多模型融合的應用
實踐 41
2.4 本章小結 49
第3章 深度學習技術概述 50
3.1 全連接神經網絡 50
3.1.1 反向傳播原理 52
3.1.2 全連接神經網絡的缺點 53
3.2 卷積神經網絡及其應用 53
3.2.1 神經網絡的基本運算 54
3.2.2 神經網絡的常用函數 58
3.2.3 模型融合 64
3.2.4 循環神經網絡 66
3.2.5 集成學習理論基礎 69
3.3 基于深度學習的視覺目標檢測 70
3.3.1 兩階段算法 71
3.3.2 一階段算法 71
3.4 基于深度學習的視覺目標跟蹤 73
3.4.1 單目標跟蹤 73
3.4.2 多目標跟蹤 74
3.5 本章小結 75
第4章 自然場景下文本檢測與
識別 76
4.1 概述 76
4.2 基于圖像分割的場景文本檢測 81
4.2.1 特征提取網絡 82
4.2.2 文本區域掩碼標簽的
生成 83
4.2.3 場景文本區域的檢測 84
4.2.4 文本區域的后處理算法 85
4.2.5 文本檢測應用實踐 87
4.3 基于序列的場景文本識別 92
4.3.1 場景文本特征序列的
提取 93
4.3.2 特征序列上下文信息
提取 95
4.3.3 轉錄層文本識別 98
4.3.4 文本識別網絡 100
4.3.5 模型訓練 101
4.3.6 文本識別應用實踐 102
4.4 基于輕量級模型的噴碼文本識別
系統 106
4.4.1 字符區域提取 107
4.4.2 字符文本處理 108
4.4.3 字符文本識別 109
4.4.4 字符文本識別應用實踐 115
4.4.5 基于嵌入式系統的算法
設計與實現 121
4.4.6 系統運行測試 124
4.5 本章小結 125
第5章 視覺目標檢測 126
5.1 目標檢測系統概述 126
5.2 目標檢測的相關概念 129
5.3 目標檢測模型分類 133
5.4 數據獲取與處理 135
5.4.1 數據預處理 136
5.4.2 數據標注 138
5.5 基于R-FCN的目標檢測 140
5.5.1 R-FCN基本原理介紹 140
5.5.2 R-FCN算法的改進 146
5.5.3 目標檢測應用實踐 150
5.6 基于Mask R-CNN的目標檢測 153
5.6.1 Mask R-CNN算法基本
原理 154
5.6.2 改進Mask R-CNN模型 157
5.6.3 Mask R-CNN應用實踐 162
5.6.4 籃球以及球員檢測系統
軟件設計 164
5.7 本章小結 167
第6章 多目標跟蹤 168
6.1 目標跟蹤概述 168
6.1.1 單目標跟蹤 168
6.1.2 多目標跟蹤 171
6.1.3 多相機多目標跟蹤 175
6.2 多目標跟蹤系統構成 176
6.3 基于序列特征的多目標跟蹤
方法 177
6.4 基于上下文圖模型的單相機多目標
跟蹤 184
6.4.1 圖卷積神經網絡的基礎
知識 186
6.4.2 基于上下文圖模型的單相機多球員跟蹤 187
6.4.3 多目標跟蹤應用實踐 193
6.5 本章小結 199
第7章 圖像語義分割 200
7.1 圖像語義分割概述 200
7.1.1 圖像分割算法的定義 200
7.1.2 傳統的圖像分割算法 200
7.1.3 基于卷積神經網絡的圖像
語義分割算法 204
7.2 基于自適應特征選擇網絡的遙感
影像語義分割 208
7.2.1 基于自適應特征選擇
網絡的遙感影像語義分割
算法 208
7.2.2 基于自適應特征選擇網絡的遙感影像分割應用實踐 211
7.3 基于SU-SWA的區域分割 215
7.3.1 基于SU-SWA的區域分割
任務分析 215
7.3.2 基于SU-SWA的區域分割
方法 215
7.3.3 基于SU-SWA的區域分割
應用實踐 219
7.4 本章小結 229
參考文獻 230
展開全部
機器人智能視覺感知與深度學習應用 作者簡介
梁橋康，博士，教授，博士研究生導師，機器人視覺感知與控制技術國家工程研究中心副主任、電子制造業智能機器人技術湖南省重點實驗室副主任，入選湖南省優秀青年骨干教師，被授予湖南省優秀黨務工作者、湖南省教育系統優秀黨務工作者、湖南大學優秀黨支部書記、湖南大學優秀教師、湖南大學我心目中最敬愛的老師等榮譽稱號。研究方向為機器人智能感知與控制、人工智能及其應用技術、機器人力觸覺感知與應用。先后主持了國家重點研發計劃“智能機器人”重點專項課題等多個國家級項目，在國內外學術期刊上發表論文80余篇，出版專著和教材6部，擁有國家發明專利10余項，獲省部級獎勵6項。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
隨園食單
- >
中國歷史的瞬間
- >
上帝之肋:男人的真實旅程
- >
名家帶你讀魯迅:朝花夕拾
- >
朝聞道
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
唐代進士錄
本類暢銷
