掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
礦山計(jì)算機(jī)視覺 版權(quán)信息
- ISBN：9787502496388
- 條形碼：9787502496388 ; 978-7-5024-9638-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
礦山計(jì)算機(jī)視覺 內(nèi)容簡介
本書從計(jì)算機(jī)圖像技術(shù)出發(fā)，立足于礦業(yè)智能生產(chǎn)的專業(yè)背景，對當(dāng)代智能礦業(yè)生產(chǎn)中應(yīng)用的一系列圖像視覺技術(shù)乃至人工智能技術(shù)進(jìn)行了系統(tǒng)的闡述，對于關(guān)鍵熱門技術(shù)進(jìn)行了理論解釋及實(shí)操演示，旨在能夠給予行業(yè)從業(yè)讀者以基礎(chǔ)知識科普乃至提供技術(shù)嘗試思路。本書共分為四部分，分別為總體理論，分支理論，操作實(shí)踐，案例分析。其中，總體理論以導(dǎo)論形式介紹了圖像理論相關(guān)基礎(chǔ)，為圖像零基礎(chǔ)讀者提供知識緩沖帶；分支理論包含第2章和第3章，分別介紹了不同的技術(shù)路線的當(dāng)代圖像技術(shù)的理論基礎(chǔ)；操作實(shí)踐包含第4章和第5章，結(jié)合礦業(yè)背景實(shí)例，就當(dāng)代圖像領(lǐng)域典型問題給出解決方案并進(jìn)行實(shí)操演示；第6章則為案例分析部分，跳出具體問題，廣泛在礦業(yè)生產(chǎn)中尋找計(jì)算機(jī)視覺的智能應(yīng)用方案，通過文獻(xiàn)整理的手段，對未來發(fā)展思路進(jìn)行了探討。
礦山計(jì)算機(jī)視覺 目錄
1 圖像理論基礎(chǔ)
1.1 圖像技術(shù)的起源與發(fā)展
1.1.1 圖像的 早起源——圖畫
1.1.2 圖像第二階段——傳統(tǒng)攝影
1.1.3 圖像新階段——數(shù)字圖像
1.2 圖像原理
1.2.1 數(shù)字圖像原理
1.2.2 數(shù)字圖像的產(chǎn)生
1.2.3 圖像的存儲
1.3 硬件原理
1.3.1 相機(jī)
1.3.2 相機(jī)圖像傳感器感光原理
1.4 實(shí)驗(yàn)平臺介紹
1.4.1 Python概述
1.4.2 OpenCV概述
1.4.3 開發(fā)環(huán)境搭建
1.5 小結(jié)
思考題
參考文獻(xiàn)
2 傳統(tǒng)圖像工程
2.1 圖像的特征與噪聲
2.1.1 圖像的特征類別
2.1.2 特征提取與特征空間
2.1.3 圖像噪聲
2.2 圖像增強(qiáng)
2.2.1 圖像增強(qiáng)的點(diǎn)運(yùn)算
2.2.2 圖像的空域平滑
2.2.3 圖像的空域銳化
2.2.4 頻域增強(qiáng)
2.3 特征提取
2.3.1 方向梯度直方圖
2.3.2 尺度不變特征變換
2.3.3 加速穩(wěn)健特征
2.3.4 全局特征提取
2.4 機(jī)器學(xué)習(xí)與圖像工程
2.4.1 稀疏模型
2.4.2 線性分類模型
2.4.3 支持向量機(jī)
2.5 小結(jié)
思考題
參考文獻(xiàn)
3 深度學(xué)習(xí)與計(jì)算機(jī)視覺
3.1 深度學(xué)習(xí)簡介
3.1.1 什么是深度學(xué)習(xí)
3.1.2 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
3.1.3 深度學(xué)習(xí)的應(yīng)用場景
3.2 深度學(xué)習(xí)基礎(chǔ)理論
3.2.1 線性代數(shù)
3.2.2 微積分
3.2.3 概率
3.3 神經(jīng)網(wǎng)絡(luò)發(fā)展
3.3.1 神經(jīng)元
3.3.2 線性神經(jīng)網(wǎng)絡(luò)
3.3.3 多層感知機(jī)
3.4 卷積神經(jīng)網(wǎng)絡(luò)的組成及相關(guān)技術(shù)
3.4.1 卷積層
3.4.2 池化層
3.4.3 全連接層
3.4.4 數(shù)據(jù)增強(qiáng)
3.4.5 損失函數(shù)
3.4.6 優(yōu)化算法
3.4.7 欠擬合與過擬合
3.5 現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)模型
3.5.1 AlexNet
3.5.2 VGG
3.5.3 GoogLeNet
3.5.4 ResNet
3.5.5 DenseNet
3.5.6 EfficientNet
3.5.7 ConvNeXt
3.6 輕量化模型
3.6.1 .Xception
3.6.2 MobileNet V1
3.6.3 ShuffleNet V1
3.7 Transformer模型
3.7.1 注意力機(jī)制
3.7.2 Transformer
3.7.3 Vision Transformer
3.7.4 SwinTransforreeF
3.8 圖像數(shù)據(jù)集
3.8.1 手寫數(shù)字MNIST數(shù)據(jù)集
3.8.2 CIFAR-10數(shù)據(jù)集
3.8.3 ImageNet圖像數(shù)據(jù)集
3.9 小結(jié)
思考題
參考文獻(xiàn)
4 目標(biāo)檢測實(shí)戰(zhàn)
4.1 目標(biāo)檢測技術(shù)
4.1.1 目標(biāo)檢測任務(wù)簡介
4.1.2 目標(biāo)檢測的重要概念
4.1.3 目標(biāo)檢測評價(jià)指標(biāo)
4.1.4 目標(biāo)檢測常用的開源數(shù)據(jù)集
4.2 傳統(tǒng)目標(biāo)檢測階段
4.2.1 Viola.Jones檢測器
4.2.2 HOG檢測器
4.2.3 基于可變形部件的模型
4.3 基于深度學(xué)習(xí)的目標(biāo)檢測階段——兩階段算法
4.3.1 R-CNN
4.3.2 SPPNet
4.3.3 Fast R-CNN
4.3.4 Faster R-CNN
4.4 基于深度學(xué)習(xí)的目標(biāo)檢測階段——單階段算法
4.4.1 YOL0系列
4.4.2 SSD
4.4.3 CornerNet
4.4.4 CenterNet
4.5 基于YOLOv5的目標(biāo)檢測實(shí)戰(zhàn)指南
4.5.1 準(zhǔn)備工作
4.5.2 標(biāo)記數(shù)據(jù)集
4.5.3 構(gòu)建數(shù)據(jù)集
4.5.4 配置文件
4.5.5 訓(xùn)練模型
4.5.6 YOL0v5實(shí)現(xiàn)檢測
4.6 小結(jié)
思考題
參考文獻(xiàn)
5 語義分割實(shí)戰(zhàn)
5.1 語義分割技術(shù)
5.1.1 語義分割任務(wù)簡介
5.1.2 語義分割重要概念
5.1.3 語義分割評價(jià)指標(biāo)
5.1.4 目前常用的語義分割開源數(shù)據(jù)集
5.2 語義分割的發(fā)展歷史
5.2.1 傳統(tǒng)圖像分割方法
5.2.2 基于深度學(xué)習(xí)的圖像分割方法
5.3 基于uNet的語義分割實(shí)戰(zhàn)指南
5.3.1 項(xiàng)目背景
5.3.2 模型訓(xùn)練與測試
5.4 小結(jié)
思考題
參考文獻(xiàn)
6 機(jī)器視覺的礦業(yè)應(yīng)用
6.1 礦山開采工藝流程
6.1.1 礦山開發(fā)流程
6.1.2 采礦工藝流程
6.1.3 選礦工藝流程
6.2 主要應(yīng)用場景
6.2.1 機(jī)器視覺解決的問題
6.2.2 機(jī)器視覺應(yīng)用場景
6.3 案例分析
6.3.1 露天礦區(qū)道路障礙檢測
6.3.2 露天礦邊坡裂隙檢測
6.3.3 礦石粒度分級
6.3.4 露天礦卡裝載度檢測
6.4 展望
6.5 小結(jié)
思考題
參考文獻(xiàn)
展開全部
書友推薦
- >
煙與鏡
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
史學(xué)評論
- >
自卑與超越
- >
隨園食單
- >
上帝之肋:男人的真實(shí)旅程
- >
龍榆生：詞曲概論/大家小書
- >
姑媽的寶刀
本類暢銷
