中圖網(wǎng)小程序
一鍵登錄
更方便
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
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(xué)習(xí)
計算機視覺之PYTORCH數(shù)字圖像處理 版權(quán)信息
- ISBN：9787302671985
- 條形碼：9787302671985 ; 978-7-302-67198-5
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
計算機視覺之PYTORCH數(shù)字圖像處理 本書特色
全面總結(jié)作者多年數(shù)字圖像處理算法的研究心得和實踐經(jīng)驗。帶領(lǐng)讀者系統(tǒng)掌握數(shù)字圖像處理的相關(guān)理論知識和實際應(yīng)用。深入剖析張量運算方法在數(shù)字圖像處理中的應(yīng)用。詳解梯度下降算法的完整流程，并將其應(yīng)用于模型優(yōu)化中。詳解數(shù)據(jù)集的構(gòu)建以及模型的訓(xùn)練和部署等核心知識。詳解圖像分類、圖像分割和目標(biāo)檢測三大核心任務(wù)。提供教學(xué)視頻、程序源代碼和教學(xué)PPT等配套資源。內(nèi)容豐富：不但介紹PyTorch的基礎(chǔ)知識和數(shù)字圖像處理的相關(guān)理論，而且從張量的維度詳解經(jīng)典數(shù)字圖像處理算法，并從深度學(xué)習(xí)的維度詳解圖像分類、圖像分割和圖像檢測三大核心任務(wù)。學(xué)習(xí)門檻低：從計算機視覺和數(shù)字圖像的基本概念開始講解，繼而介紹開發(fā)環(huán)境的搭建、Python基礎(chǔ)知識和PyTorch基礎(chǔ)知識等，不需要讀者有太多基礎(chǔ)知識即可快速入門。理論結(jié)合實踐：不但對數(shù)字圖像處理的主流算法理論進(jìn)行系統(tǒng)講解，而且在此基礎(chǔ)上結(jié)合豐富的實戰(zhàn)案例，用PyTorch深度學(xué)習(xí)框架進(jìn)行應(yīng)用實踐。圖文并茂：結(jié)合多幅示意圖講解相關(guān)知識點，讓抽象的知識變得 加直觀和易于理解，從而幫助讀者高效學(xué)習(xí)。實用性強：結(jié)合大量真實的圖像處理案例進(jìn)行講解，讀者只需要對書中的案例源代碼進(jìn)行少量的改動，即可將其應(yīng)用于自己的圖像處理工作中。配套資源豐富：提供高清教學(xué)視頻、程序源代碼和教學(xué)PPT等配套資源，便于讀者高效、直觀地學(xué)習(xí)，從而取得 好的學(xué)習(xí)效果。
計算機視覺之PYTORCH數(shù)字圖像處理 內(nèi)容簡介
"《計算機視覺之PyTorch數(shù)字圖像處理》以數(shù)字圖像處理為主題，在詳細(xì)介紹數(shù)字圖像處理主流算法的基礎(chǔ)上，配合豐富的實戰(zhàn)案例，用PyTorch深度學(xué)習(xí)框架對相關(guān)算法進(jìn)行應(yīng)用實踐。本書一方面從張量的維度對經(jīng)典數(shù)字圖像處理算法進(jìn)行詳細(xì)的介紹，另一方面從深度學(xué)習(xí)的維度對圖像分類、圖像分割和圖像檢測進(jìn)行細(xì)致的講解，從而幫助讀者較為系統(tǒng)地掌握數(shù)字圖像處理的相關(guān)理論知識和實際應(yīng)用。 《計算機視覺之PyTorch數(shù)字圖像處理》分為3篇，共11章。第1篇圖像處理基礎(chǔ)知識，包括計算機視覺與數(shù)字圖像概述、搭建開發(fā)環(huán)境和Python編程基礎(chǔ)；第2篇基于經(jīng)典方法的圖像處理，包括圖像處理基礎(chǔ)知識、圖像的基礎(chǔ)特征、自動梯度與神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)準(zhǔn)備與圖像預(yù)處理；第3篇基于深度學(xué)習(xí)的圖像處理，包括圖像分類、圖像分割、目標(biāo)檢測和模型部署。 《計算機視覺之PyTorch數(shù)字圖像處理》內(nèi)容豐富，講解由淺入深、案例豐富、實用性強，特別適合數(shù)字圖像處理的入門與進(jìn)階人員閱讀，也適合數(shù)字圖像處理的從業(yè)人員與研究人員閱讀，還可作為高等院校數(shù)字圖像處理相關(guān)課程的教材。"
計算機視覺之PYTORCH數(shù)字圖像處理 目錄
第1篇 圖像處理基礎(chǔ)知識
第1章 計算機視覺與數(shù)字圖像概述
1.1 計算機視覺簡介
1.1.1 人類視覺簡介
1.1.2 計算機視覺簡介
1.2 數(shù)字圖像簡介
1.2.1 圖像的概念
1.2.2 數(shù)字圖像的概念
1.2.3 數(shù)字圖像的類型
1.3 數(shù)字圖像的存儲
1.4 數(shù)字圖像的處理
1.4.1 數(shù)字圖像處理簡介
1.4.2 數(shù)字圖像處理的發(fā)展
1.4.3 數(shù)字圖像處理的內(nèi)容
1.5 PyTorch框架與圖像處理
1.6 小結(jié)
1.7 習(xí)題
第2章 搭建開發(fā)環(huán)境
2.1 Python簡介
2.1.1 Python的發(fā)展歷程
2.1.2 下載Python安裝包
2.1.3 安裝Python
2.1.4 執(zhí)行Python程序
2.2 CUDA簡介
2.2.1 CUDA的發(fā)展歷程
2.2.2 安裝CUDA
2.3 Python第三方庫簡介
2.3.1 檢索Python第三方庫
2.3.2 安裝Python第三方庫
2.3.3 孑圖像處理相關(guān)的第三方庫
2.4 安裝PyTorch
2.5 安裝可視化工具Visdom
2.6 安裝集成開發(fā)環(huán)境Spyder
2.7 小結(jié)
2.8 習(xí)題
第3章 Python編程基礎(chǔ)
3.1 Python語法基礎(chǔ)知識
3.1.1 數(shù)據(jù)類型與類
3.1.2 流程控制
3.1.3 函數(shù)
3.1.4 類與對象
3.1.5 標(biāo)準(zhǔn)庫
3.1.6 第三方庫
3.2 PyTorch基礎(chǔ)知識
3.2.1 張量的創(chuàng)建
3.2.2 張量的運算
3.2.3 卷積及局部鄰域的運算
3.2.4 張量的變換
3.3 Visdom基礎(chǔ)知識
3.3.1 圖像的繪制
3.3.2 圖表的繪制
3.4 小結(jié)
3.5 習(xí)題
第2篇 基于經(jīng)典方法的圖像處理
第4章 圖像處理基礎(chǔ)知識
4.1 圖像與張量的互操作
4.2 圖像的點運算
4.2.1 圖像增強
4.2.2 圖像顏色空間變換
4.2.3 灰度圖像的亮度變換
4.2.4 簡單圖像二值化
4.2.5 圖像蒙版處理
4.2.6 圖像的混合
4.3 圖像的鄰域運算
4.3.1 圖像鄰域的生成
4.3.2 圖像的濾波去噪
4.3.3 圖像的形態(tài)學(xué)運算
4.3.4 局部二值模式
4.3.5 局部 值指數(shù)
4.4 圖像的全局運算
4.4.1 圖像的簡單旋轉(zhuǎn)與翻轉(zhuǎn)
4.4.2 圖像的縮放
4.4.3 圖像的裁切
4.4.4 圖像直方圖均衡化
4.5 小結(jié)
4.6 習(xí)題
第5章 圖像的基礎(chǔ)特征
5.1 圖像的特征點
5.1.1 特征點簡介
5.1.2 Harris角點
5.1.3 提取Harris角點
5.2 圖像的線特征
5.2.1 Roberts算子
5.2.2 Prewitt算子
5.2.3 Sobel算子
5.2.4 Scharr算子
5.2.5 Lap1acian算子
5.3 圖像的面特征
5.3.1 群均值聚類
5.3.2 SL1C算法
5.4 小結(jié)
5.5 習(xí)題
第6章 自動梯度與神經(jīng)網(wǎng)絡(luò)
6.1 自動梯度
6.1.1 梯度下降與函數(shù)極小值求解
6.1.2 自動梯度計算
6.1.3 自動梯度擬合多項式函數(shù)
6.2 模塊
6.3 激活函數(shù)
6.4 損失函數(shù)
6.5 優(yōu)化器
6.6 全連接神經(jīng)網(wǎng)絡(luò)
6.7 小結(jié)
6.8 習(xí)題
第7章 數(shù)據(jù)準(zhǔn)備與圖像預(yù)處理
7.1 Torchvision庫簡介
7.2 構(gòu)建數(shù)據(jù)集
7.3 數(shù)據(jù)變換與增強
7.3.1 PIL圖像和張量的共同變換
7.3.2 基于張量的變換
7.3.3 自定義數(shù)據(jù)的變換和增強
7.4 小結(jié)
7.5 習(xí)題
第3篇 基于深度學(xué)習(xí)的圖像處理
第8章 圖像分類
8.1 圖像分類與卷積神經(jīng)網(wǎng)絡(luò)
8.1.1 圖像分類及其進(jìn)展
8.1.2 預(yù)訓(xùn)練模型的使用
8.2 經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)
8.2.1 VGGNet模型
8.2.2 ResNet模型
8.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與評估
8.4 遷移學(xué)習(xí)簡介
8.5 小結(jié)
8.6 習(xí)題
第9章 圖像分割
9.1 圖像分割與卷積神經(jīng)網(wǎng)絡(luò)
9.2 分割數(shù)據(jù)集
9.3 FCN分割模型
9.4 UNet分割模型
9.5 分割網(wǎng)絡(luò)的訓(xùn)練與評估
9.5.1 損失函數(shù)
9.5.2 優(yōu)化器
9.5.3 評價指標(biāo)
9.6 分割網(wǎng)絡(luò)實踐
9.7 小結(jié)
9.8 習(xí)題
0章 目標(biāo)檢測
10.1 目標(biāo)檢測與卷積神經(jīng)網(wǎng)絡(luò)
10.1.1 目標(biāo)檢測的常用術(shù)語
10.1.2 目標(biāo)檢測的類型
10.2 預(yù)訓(xùn)練網(wǎng)絡(luò)的使用
10.2.1 Torchvision的預(yù)訓(xùn)練模型
10.2.2 YOLOv5的預(yù)訓(xùn)練模型
10.3 FCOS模型及其訓(xùn)練
10.3.1 FCOS模型簡介
10.3.2 數(shù)據(jù)集的構(gòu)建
10.3.3 模型的訓(xùn)練和預(yù)測
10.4 YOLOv5模型及其訓(xùn)練
10.4.1 數(shù)據(jù)集的構(gòu)建
10.4.2 模型的構(gòu)建
10.4.3 模型的訓(xùn)練和預(yù)測
10.5 小結(jié)
10.6 習(xí)題
1章 模型部署
11.1 模型部署簡介
11.2
展開全部
計算機視覺之PYTORCH數(shù)字圖像處理 作者簡介
侯偉，華北理工大學(xué)理學(xué)院教師，工學(xué)博士，教授圖像處理和深度學(xué)習(xí)等相關(guān)課程。從事數(shù)字圖像處理及其在工業(yè)自動視覺檢測方面的研究和應(yīng)用工作，具備扎實的理論基礎(chǔ)和豐富的編程經(jīng)驗，對數(shù)字圖像處理和深度學(xué)習(xí)具有較為深刻的認(rèn)識和理解。目前已發(fā)表學(xué)術(shù)論文5篇，獲授權(quán)發(fā)明專利2項，授權(quán)軟件著作權(quán)1項，參編教材1部。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅曼·羅蘭讀書隨筆-精裝
- >
莉莉和章魚
- >
史學(xué)評論
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
中國歷史的瞬間
本類暢銷
