掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
PYTHON編程與計算機視覺應用 版權(quán)信息
- ISBN：9787560668369
- 條形碼：9787560668369 ; 978-7-5606-6836-9
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
PYTHON編程與計算機視覺應用 內(nèi)容簡介
本書共11章，分為三部分。部分(第1章至第5章)介紹了Python在計算機視覺中的圖像基本操作、圖像增強、形態(tài)學處理、局部圖像特征提取、圖像分割等方面的編程應用。第二部分(第6章至第8章)梳理了計算機視覺的相關(guān)基礎理論，包括深度神經(jīng)網(wǎng)絡基礎、卷積神經(jīng)網(wǎng)絡基礎和PyTorch深度學習框架。第三部分(第9章至第11章)列舉了Python在計算機視覺中的典型應用，即在圖像分類、目標檢測和語義分割中的應用。各章都附有相關(guān)的習題，可供自學練習，以便讀者加深對本書所述內(nèi)容的理解。 本書深度適中，內(nèi)容力求精練，可作為高等學校計算機科學與技術(shù)、電子信息工程、通信與信息工程等專業(yè)本科生與研究生的教材，也可供人工智能、模式識別等相關(guān)領域的科研人員和工程技術(shù)人員參考。
PYTHON編程與計算機視覺應用 目錄
第1章 圖像基本操作 1
1.1 軟件安裝及環(huán)境配置 1
1.1.1 Anaconda安裝 1
1.1.2 PyCharm安裝 4
1.1.3 在Python中安裝圖像處理庫 7
1.2 基于PIL的圖像處理 8
1.2.1 讀取及保存圖像 8
1.2.2 圖像區(qū)域的裁剪和粘貼 10
1.2.3 調(diào)整圖像尺寸和旋轉(zhuǎn)圖像 11
1.2.4 其他圖像處理操作 12
1.3 基于Matplotlib的圖像處理 16
1.3.1 繪制點和線 16
1.3.2 繪制圖像輪廓和直方圖 17
1.3.3 分離與合并圖像的通道 19
1.4 基于NumPy的圖像處理 20
1.4.1 圖像的數(shù)組化 20
1.4.2 圖像的灰度變換 21
1.5 基于SciPy的圖像處理 23
1.5.1 圖像模糊 23
1.5.2 圖像導數(shù) 25
1.6 基于scikit-image的圖像處理 28
1.6.1 圖像的旋流變換 28
1.6.2 圖像的添噪 29
本章小結(jié) 30
習題 30
第2章 圖像增強 32
2.1 圖像增強的概念和分類 32
2.2 強度變換 33
2.2.1 圖像的二值化 34
2.2.2 圖像的對比度拉伸 36
2.2.3 彩色圖像的對數(shù)變換 40
2.2.4 彩色圖像的冪律變換 41
2.3 直方圖處理 43
2.3.1 直方圖均衡化 43
2.3.2 直方圖匹配 44
2.4 圖像的平滑 47
2.4.1 圖像噪聲 47
2.4.2 線性噪聲平滑 48
2.4.3 非線性噪聲平滑 52
2.5 圖像的銳化 57
2.5.1 一階微分算子法 57
2.5.2 拉普拉斯算子法 62
2.5.3 銳化和反銳化掩模 64
本章小結(jié) 67
習題 67
第3章 形態(tài)學處理 68
3.1 數(shù)學形態(tài)學基礎知識 68
3.2 二值圖像的形態(tài)學處理 70
3.2.1 腐蝕 70
3.2.2 膨脹 71
3.2.3 開、閉運算 73
3.2.4 骨架化 76
3.2.5 邊界提取 78
3.2.6 孔洞填充 79
3.2.7 白頂帽與黑頂帽變換 82
3.3 灰度圖像的形態(tài)學處理 83
3.3.1 灰度腐蝕 83
3.3.2 灰度膨脹 85
3.3.3 灰度開、閉運算 87
本章小結(jié) 91
習題 91
第4章 局部圖像特征提取 92
4.1 特征檢測器與描述符 92
4.2 Harris角點檢測器 93
4.2.1 角點檢測 93
4.2.2 角點匹配 96
4.3 斑點檢測器 101
4.4 尺度不變特征變換 104
4.4.1 興趣點 105
4.4.2 描述符 105
4.4.3 檢測興趣點 106
4.4.4 匹配描述符 107
本章小結(jié) 112
習題 112
第5章 圖像分割 113
5.1 基于閾值的圖像分割 113
5.2 基于邊緣或區(qū)域的圖像分割 115
5.2.1 基于邊緣的圖像分割 117
5.2.2 基于區(qū)域的圖像分割 119
5.3 圖割 122
5.3.1 從圖像創(chuàng)建圖 124
5.3.2 用戶交互式分割 128
5.4 使用聚類進行分割 131
5.4.1 k-means聚類 131
5.4.2 譜聚類 131
5.4.3 聚類分割算法 132
5.5 其他分割算法 135
5.5.1 菲爾森茨瓦布算法 135
5.5.2 活動輪廓算法 137
本章小結(jié) 139
習題 139
第6章 深度神經(jīng)網(wǎng)絡基礎 140
6.1 神經(jīng)網(wǎng)絡的基本概念 140
6.2 神經(jīng)網(wǎng)絡的基本結(jié)構(gòu) 142
6.3 監(jiān)督學習和無監(jiān)督學習 142
6.3.1 監(jiān)督學習 143
6.3.2 無監(jiān)督學習 144
6.4 欠擬合和過擬合 145
6.4.1 欠擬合 146
6.4.2 過擬合 146
6.5 反向傳播 147
6.6 損失和優(yōu)化 149
6.6.1 損失函數(shù) 149
6.6.2 優(yōu)化函數(shù) 150
6.7 激活函數(shù) 152
6.7.1 Sigmoid函數(shù) 153
6.7.2 tanh函數(shù) 154
6.7.3 ReLU函數(shù) 155
本章小結(jié) 156
習題 156
第7章 卷積神經(jīng)網(wǎng)絡基礎 157
7.1 卷積神經(jīng)網(wǎng)絡的基本概念 157
7.2 卷積神經(jīng)網(wǎng)絡的基本結(jié)構(gòu) 158
7.2.1 卷積層 159
7.2.2 池化層 161
7.2.3 全連接層 162
7.3 卷積運算與邊緣檢測 163
7.4 填充與卷積步距 165
7.5 單層卷積神經(jīng)網(wǎng)絡 167
7.6 卷積神經(jīng)網(wǎng)絡范例 168
本章小結(jié) 169
習題 170
第8章 PyTorch深度學習框架 171
8.1 PyTorch框架簡介 171
8.2 PyTorch環(huán)境配置與安裝 174
8.3 PyTorch中的Tensor 176
8.3.1 Tensor的創(chuàng)建 176
8.3.2 Tensor的基本操作 179
8.4 PyTorch常用模塊及庫 181
8.4.1 torch.autograd模塊(自動求導) 181
8.4.2 torch.nn模塊 184
8.4.3 torch.optim模塊 186
8.4.4 torchvision庫 187
本章小結(jié) 189
習題 189
第9章 計算機視覺應用——圖像分類 190
9.1 圖像分類簡介 190
9.2 VGGNet的基本原理 191
9.2.1 VGGNet的起源 191
9.2.2 CNN網(wǎng)絡結(jié)構(gòu)中感受野的概念 192
9.2.3 VGGNet的基本網(wǎng)絡結(jié)構(gòu) 194
9.2.4 VGGNet模型的代碼實現(xiàn) 196
9.3 訓練過程 198
9.3.1 數(shù)據(jù)集準備(花卉數(shù)據(jù)集) 198
9.3.2 圖像數(shù)據(jù)預處理 202
9.3.3 訓練VGG網(wǎng)絡 203
9.4 模型結(jié)果評估 207
本章小結(jié) 210
習題 210
第10章 計算機視覺應用——目標檢測 211
10.1 目標檢測簡介 211
10.2 兩階段式目標檢測網(wǎng)絡
Faster R-CNN 212
10.2.1 特征提取部分 213
10.2.2 候選區(qū)域網(wǎng)絡 213
10.2.3 興趣域池化 215
10.2.4 分類回歸部分 216
10.3 單階段式目標檢測網(wǎng)絡YOLOv3 217
10.3.1 數(shù)據(jù)輸入 218
10.3.2 特征提取網(wǎng)絡DarkNet53 219
10.3.3 特征金字塔結(jié)構(gòu) 222
10.3.4 YOLOv3中的錨框機制 223
10.3.5 損失函數(shù) 224
10.4 目標檢測算法評價指標 226
10.4.1 綜合指標 227
10.4.2 PR曲線與ROC曲線 228
10.4.3 均值平均精度mAP 229
本章小結(jié) 230
習題 230
第11章 計算機視覺應用——語義分割 231
11.1 語義分割概述 231
11.2 經(jīng)典的語義分割模型 232
11.2.1 全卷積神經(jīng)網(wǎng)絡(FCN) 233
11.2.2 編-解碼器卷積神經(jīng)網(wǎng)絡 234
11.2.3 DeepLab系列語義分割網(wǎng)絡 241
11.3 語義分割常用數(shù)據(jù)集介紹 247
11.4 語義分割評價指標 248
本章小結(jié) 249
習題 250
參考文獻 251
展開全部
書友推薦
- >
上帝之肋:男人的真實旅程
- >
名家?guī)阕x魯迅:故事新編
- >
史學評論
- >
伯納黛特,你要去哪(2021新版)
- >
我從未如此眷戀人間
- >
經(jīng)典常談
- >
苦雨齋序跋文-周作人自編集
- >
龍榆生：詞曲概論/大家小書
本類暢銷
