掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥58.5
加入購物車
計(jì)算機(jī)視覺——核心技術(shù)、算法與開發(fā)實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787113311520
- 條形碼：9787113311520 ; 978-7-113-31152-0
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
計(jì)算機(jī)視覺——核心技術(shù)、算法與開發(fā)實(shí)戰(zhàn) 本書特色
書中采用實(shí)例驅(qū)動(dòng)教學(xué)的形式，將理論與實(shí)例相結(jié)合進(jìn)行講解，讓讀者在實(shí)戰(zhàn)中掌握所學(xué)知識(shí)，并且從不同的方位展現(xiàn)一個(gè)知識(shí)點(diǎn)的用法，真正做到融會(huì)貫通。詳解圖像的采樣、變換和卷積處理，圖像增強(qiáng)處理，圖像特征提取處理，圖像分割處理，目標(biāo)檢測處理，圖像分類處理等知識(shí)，幫助讀者解決實(shí)際工作中的問題。書中還介紹了很多開發(fā)經(jīng)驗(yàn)和技巧，讓讀者可以在學(xué)習(xí)過程中更輕松地理解相關(guān)知識(shí)點(diǎn)及概念，更快地掌握關(guān)鍵技術(shù)的應(yīng)用技巧。
計(jì)算機(jī)視覺——核心技術(shù)、算法與開發(fā)實(shí)戰(zhàn) 內(nèi)容簡介
內(nèi) 容 簡 介本書詳細(xì)講解了使用Python語言開發(fā)AI圖像視覺處理程序的知識(shí)。全書共11章，依次講解了圖像視覺技術(shù)基礎(chǔ)，圖像的采樣、變換和卷積處理，圖像增強(qiáng)處理，圖像特征提取處理，圖像分割處理，目標(biāo)檢測處理，圖像分類處理，鮮花識(shí)別系統(tǒng)開發(fā)，智能素描繪圖系統(tǒng)開發(fā)，小區(qū)AI停車計(jì)費(fèi)管理系統(tǒng)開發(fā)和機(jī)器人智能物體識(shí)別系統(tǒng)開發(fā)。書中在詳細(xì)講解每個(gè)知識(shí)點(diǎn)的同時(shí)，還穿插了大量的實(shí)例來演示每個(gè)知識(shí)點(diǎn)的用法，引領(lǐng)讀者扎實(shí)掌握基于AI的圖像視覺開發(fā)技術(shù)。
計(jì)算機(jī)視覺——核心技術(shù)、算法與開發(fā)實(shí)戰(zhàn) 目錄
目錄第1章 圖像視覺技術(shù)基礎(chǔ)1.1 圖像識(shí)別概述 11.1.1 什么是圖像識(shí)別 11.1.2 圖像識(shí)別的發(fā)展階段 11.1.3 圖像識(shí)別的應(yīng)用 21.2 圖像識(shí)別的步驟 21.3 圖像識(shí)別技術(shù) 31.3.1 人工智能 31.3.2 機(jī)器學(xué)習(xí) 41.3.3 深度學(xué)習(xí) 41.3.4 基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別 41.3.5 基于非線性降維的圖像識(shí)別 5第2章 圖像的采樣、變換和卷積處理2.1 采樣 62.1.1 *近鄰插值采樣 62.1.2 雙線性插值 82.1.3 雙立方插值 112.1.4 lanczos插值 132.2 離散傅里葉變換（DFT） 142.2.1 為什么使用DFT 142.2.2 使用NumPy庫實(shí)現(xiàn)DFT 152.2.3 使用SciPy庫實(shí)現(xiàn)DFT 162.2.4 用快速傅里葉變換算法計(jì)算DFT 172.3 卷積 182.3.1 為什么需要卷積圖像 182.3.2 使用SciPy庫中的函數(shù)convolve2d()進(jìn)行卷積操作 192.3.3 使用SciPy庫中的函數(shù)ndimage.convolve()進(jìn)行卷積操作 202.4 頻域?yàn)V波 222.4.1 什么是濾波器 222.4.2 高通濾波器 222.4.3 低通濾波器 232.4.4 DoG帶通濾波器 242.4.5 帶阻濾波器 26第3章 圖像增強(qiáng)處理3.1 對(duì)比度增強(qiáng) 283.1.1 直方圖均衡化 283.1.2 自適應(yīng)直方圖均衡化 303.1.3 對(duì)比度拉伸 323.1.4 非線性對(duì)比度增強(qiáng) 343.2 銳化 353.2.1 銳化濾波器 363.2.2 高頻強(qiáng)調(diào)濾波 393.2.3 基于梯度的銳化 423.3 噪聲減少 463.3.1 均值濾波器 463.3.2 中值濾波器 473.3.3 高斯濾波器 483.3.4 雙邊濾波器 493.3.5 小波降噪 493.4 色彩平衡 503.4.1 白平衡 513.4.2 顏色校正 523.4.3 調(diào)整色調(diào)和飽和度 533.5 超分辨率 543.6 去除運(yùn)動(dòng)模糊 563.6.1 邊緣 563.6.2 逆濾波 573.6.3 統(tǒng)計(jì)方法 583.6.4 盲去卷積 59第4章 圖像特征提取處理4.1 圖像特征提取方法 614.2 顏色特征 614.2.1 顏色直方圖 624.2.2 其他顏色特征提取方法 634.3 紋理特征 654.3.1 灰度共生矩陣 654.3.2 方向梯度直方圖 664.3.3 尺度不變特征變換 674.3.4 小波變換 684.4 形狀特征 704.4.1 邊界描述子 704.4.2 預(yù)處理后的輪廓特征 734.4.3 模型擬合方法 754.4.4 形狀上的變換 784.5 基于LoG、DoG和DoH的斑點(diǎn)檢測器 804.5.1 LoG 804.5.2 DoG 814.5.3 DoH 82第5章 圖像分割處理5.1 圖像分割的重要性 845.2 基于閾值的分割 845.2.1 灰度閾值分割 855.2.2 彩色閾值分割 855.3 基于邊緣的分割 865.3.1 canny邊緣檢測 865.3.2 邊緣連接方法 875.4 基于區(qū)域的分割 885.4.1 區(qū)域生長算法 895.4.2 基于圖論的分割算法 905.4.3 基于聚類的分割算法 925.5 *小生成樹算法 945.6 基于深度學(xué)習(xí)的分割 955.6.1 FCN（全卷積網(wǎng)絡(luò)） 965.6.2 U-Net 975.6.3 DeepLab 975.6.4 Mask R-CNN 98第6章 目標(biāo)檢測處理6.1 目標(biāo)檢測介紹 1006.1.1 目標(biāo)檢測的步驟 1006.1.2 目標(biāo)檢測的方法 1006.2 YOLO v5 1006.2.1 YOLO v5的改進(jìn) 1016.2.2 基于YOLO v5的訓(xùn)練、驗(yàn)證和預(yù)測 1016.3 語義分割 1146.3.1 什么是語義分割 1146.3.2 DeepLab語義分割 1166.4 SSD目標(biāo)檢測 1186.4.1 攝像頭目標(biāo)檢測 1186.4.2 基于圖像的目標(biāo)檢測 119第7章 圖像分類處理7.1 圖像分類介紹 1217.2 基于特征提取和機(jī)器學(xué)習(xí)的圖像分類 1217.2.1 基本流程 1227.2.2 基于scikit-learn機(jī)器學(xué)習(xí)的圖像分類 1227.2.3 分類算法 1257.2.4 聚類算法 1277.3 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類 1297.3.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 1297.3.2 **個(gè)卷積神經(jīng)網(wǎng)絡(luò)程序 1327.3.3 使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類 1367.4 基于遷移學(xué)習(xí)的圖像分類 1467.4.1 遷移學(xué)習(xí)介紹 1467.4.2 基于遷移學(xué)習(xí)的圖片分類器 1477.5 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像分類 1507.5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹 1507.5.2 實(shí)戰(zhàn)演練 1517.6 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像分類 1517.6.1 卷積循環(huán)神經(jīng)網(wǎng)絡(luò)介紹 1527.6.2 CRNN圖像識(shí)別器 152第8章 鮮花識(shí)別系統(tǒng)開發(fā)8.1 系統(tǒng)介紹 1558.2 創(chuàng)建模型 1558.2.1 創(chuàng)建TensorFlow數(shù)據(jù)模型 1558.2.2 將Keras模型轉(zhuǎn)換為TensorFlow Lite 1608.2.3 量化處理 1618.2.4 更改模型 1628.3 識(shí)別器的具體實(shí)現(xiàn) 1638.3.1 準(zhǔn)備工作 1638.3.2 頁面布局 1658.3.3 實(shí)現(xiàn)UI Activity 1678.3.4 實(shí)現(xiàn)主Activity 1688.3.5 圖像轉(zhuǎn)換 1728.3.6 使用GPU委托加速 176第9章 智能素描繪圖系統(tǒng)開發(fā)9.1 背景介紹 1779.2 需求分析 1779.3 功能模塊 1789.4 預(yù)處理 1799.4.1 低動(dòng)態(tài)范圍配置 1799.4.2 圖像處理和調(diào)整 1809.4.3 獲取原始圖像的筆畫 1819.4.4 方向檢測 1849.4.5 去藍(lán)處理 1879.4.6 圖像合成 1889.4.7 快速排序 1919.4.8 側(cè)窗濾波 1929.5 開始繪圖 1949.5.1 基于邊緣繪畫的繪圖程序 1959.5.2 繪制鉛筆畫 203第10章 小區(qū)AI停車計(jì)費(fèi)管理系統(tǒng)開發(fā)10.1 背景介紹 20510.2 系統(tǒng)功能分析和模塊設(shè)計(jì) 20510.2.1 功能分析 20510.2.2 系統(tǒng)模塊設(shè)計(jì) 20610.3 系統(tǒng)GUI 20610.3.1 設(shè)置基本信息 20610.3.2 繪制操作按鈕 20710.3.3 繪制背景和文字 20710.4 車牌識(shí)別和收費(fèi) 20810.4.1 登記業(yè)主的車輛信息 20810.4.2 識(shí)別車牌 20810.4.3 計(jì)算停車時(shí)間 20910.4.4 識(shí)別車牌并計(jì)費(fèi) 21010.5 主程序 213第11章 機(jī)器人智能物體識(shí)別系統(tǒng)開發(fā)11.1 背景介紹 21611.2 物體識(shí)別 21611.2.1 物體識(shí)別介紹 21711.2.2 物體識(shí)別的挑戰(zhàn) 21711.2.3 圖像特征的提取方法 21811.3 系統(tǒng)介紹 21911.4 準(zhǔn)備模型 22011.4.1 模型介紹 22011.4.2 自定義模型 22111.5 基于Android的機(jī)器人智能檢測器 22311.5.1 準(zhǔn)備工作 22311.5.2 頁面布局 22511.5.3 實(shí)現(xiàn)主Activity 22811.5.4 物體識(shí)別界面 23311.5.5 攝像機(jī)預(yù)覽界面拼接 23511.5.6 lib_task_api方案 24211.5.7 lib_interpreter方案 24311.6 基于iOS的機(jī)器人智能檢測器 24711.6.1 系統(tǒng)介紹 24711.6.2 視圖文件 24811.6.3 攝像機(jī)處理 25911.6.4 處理TensorFlow Lite模型 26411.7 調(diào)試運(yùn)行 270
展開全部
計(jì)算機(jī)視覺——核心技術(shù)、算法與開發(fā)實(shí)戰(zhàn) 作者簡介
王麗，碩士，擁有豐富的開發(fā)經(jīng)驗(yàn)。現(xiàn)就職于國內(nèi)某大型互聯(lián)網(wǎng)公司，負(fù)責(zé)大模型的開發(fā)工作，參與了多個(gè)大型項(xiàng)目的研發(fā)工作，創(chuàng)新性地提出“單模態(tài)圖像輸入、多模態(tài)表征學(xué)習(xí)”預(yù)訓(xùn)練框架。
書友推薦
- >
唐代進(jìn)士錄
- >
自卑與超越
- >
名家?guī)阕x魯迅:故事新編
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
羅庸西南聯(lián)大授課錄
- >
我從未如此眷戀人間
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
經(jīng)典常談
本類暢銷
