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
深度學習與計算機視覺 項目式教材 版權信息
- ISBN：9787115647795
- 條形碼：9787115647795 ; 978-7-115-64779-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習與計算機視覺 項目式教材 本書特色
基于國產自主可控龍芯處理器，以項目式教學的形式，講述深度學習框架在計算機視覺領域的應用
本書基于國產自主可控龍芯處理器通過具體項目的實施用直觀的方式講述深度學習與計算機視覺。通過閱讀本書，讀者能夠掌握深度學習在計算機視覺領域的應用。
本書主要內容：
OpenCV基礎功能實戰；
深度學習框架的部署；
計算機視覺技術基礎知識；
圖像分類網絡的部署；基于國產自主可控龍芯處理器，以項目式教學的形式，講述深度學習框架在計算機視覺領域的應用
本書基于國產自主可控龍芯處理器通過具體項目的實施用直觀的方式講述深度學習與計算機視覺。通過閱讀本書，讀者能夠掌握深度學習在計算機視覺領域的應用。
本書主要內容：
OpenCV基礎功能實戰；
深度學習框架的部署；
計算機視覺技術基礎知識；
圖像分類網絡的部署；
目標檢測網絡的部署；
圖像分割網絡的部署；
龍芯智能計算平臺模型的訓練；
深度學習與計算機視覺 項目式教材 內容簡介
本書基于國產自主可控龍芯處理器，系統地介紹計算機視覺領域的基本理論與實踐，并結合當前主流的深度學習框架和龍芯平臺以項目式教學的形式講述任務的實施。本書主要包括OpenCV基礎功能實戰、深度學習框架的部署、計算機視覺技術基礎知識、圖像分類網絡的部署、目標檢測網絡的部署、圖像分割網絡的部署、龍芯智能計算平臺模型的訓練和龍芯智能計算平臺的推理部署等內容。通過閱讀本書，讀者能夠了解和掌握深度學習在計算機視覺中的應用，并基于國產自主可控龍芯處理器進行工程實踐。 本書適合深度學習與計算機視覺領域的從業者、深度學習與計算機視覺的愛好者閱讀，也可作為高等院校計算機相關專業的教材。
深度學習與計算機視覺 項目式教材 目錄
項目1 OpenCV基礎功能實戰 1
1.1 知識引入 1
1.1.1 OpenCV簡介 1
1.1.2 OpenCV的主要模塊 1
1.1.3 OpenCV的版本 2
1.1.4 OpenCV-Python 3
1.1.5 龍芯平臺和OpenCV 3
1.2 任務1：圖像讀取、顯示和保存 3
1.2.1 任務描述 3
1.2.2 技術準備 3
1.2.3 任務實施 4
1.3 任務2：視頻的獲取、顯示和保存 4
1.3.1 任務描述 4
1.3.2 技術準備 5
1.3.3 任務實施 6
1.4 任務3：幾何圖形繪制 7
1.4.1 任務描述 7
1.4.2 技術準備 7
1.4.3 任務實施 9
1.5 任務4：鼠標事件的交互與響應 10
1.5.1 任務描述 10
1.5.2 技術準備 10
1.5.3 任務實施 11
1.6 任務5：圖像幾何變換 12
1.6.1 任務描述 12
1.6.2 技術準備 12
1.6.3 任務實施 15
1.7 任務6：圖像濾波技術 19
1.7.1 任務描述 19
1.7.2 技術準備 19
1.7.3 任務實施 21
1.8 任務7：圖像邊緣檢測 24
1.8.1 任務描述 24
1.8.2 技術準備 24
1.8.3 任務實施 26
1.9 任務8：人臉檢測與識別 28
1.9.1 任務描述 28
1.9.2 技術準備 28
1.9.3 任務實施 30
1.10 項目總結 32
項目2 深度學習框架的部署 33
2.1 知識引入 33
2.1.1 深度學習的定義 33
2.1.2 神經網絡的基本概念 33
2.1.3 深度學習的發展歷程 36
2.1.4 深度學習的應用場景 37
2.1.5 如何學習深度學習 37
2.1.6 使用深度學習框架的優勢 38
2.2 任務1：基于龍芯平臺編譯與部署TensorFlow 38
2.2.1 任務描述 38
2.2.2 技術準備 39
2.2.3 任務實施 45
2.3 任務2：基于龍芯平臺編譯與部署PyTorch 51
2.3.1 任務描述 51
2.3.2 技術準備 51
2.3.3 任務實施 56
2.4 任務3：基于龍芯平臺編譯與部署ONNX Runtime 59
2.4.1 任務描述 59
2.4.2 技術準備 59
2.4.3 任務實施 60
2.5 任務4：基于龍芯平臺編譯與部署PaddlePaddle 64
2.5.1 任務描述 64
2.5.2 技術準備 64
2.5.3 任務實施 67
2.6 任務5：基于龍芯平臺編譯與部署NCNN 71
2.6.1 任務描述 71
2.6.2 技術準備 71
2.6.3 任務實施 72
2.7 項目總結 82
項目3 計算機視覺技術基礎知識 83
3.1 知識引入 83
3.1.1 計算機視覺概述 83
3.1.2 計算機視覺的應用領域 83
3.2 任務：常見計算機視覺任務 83
3.2.1 任務描述 83
3.2.2 技術準備 84
3.2.3 任務實施 84
3.3 項目總結 94
項目4 圖像分類網絡的部署 95
4.1 知識引入 95
4.1.1 CNN簡介 95
4.1.2 CNN基礎模塊 96
4.2 任務1：基于龍芯平臺部署VGG 16 102
4.2.1 任務描述 102
4.2.2 技術準備 102
4.2.3 任務實施 104
4.3 任務2：基于龍芯平臺部署ResNet 18 106
4.3.1 任務描述 106
4.3.2 技術準備 106
4.3.3 任務實施 109
4.4 任務3：基于龍芯平臺部署Inception v3 112
4.4.1 任務描述 112
4.4.2 技術準備 112
4.4.3 任務實施 116
4.5 任務4：基于龍芯平臺部署Xception 122
4.5.1 任務描述 122
4.5.2 技術準備 122
4.5.3 任務實施 124
4.6 任務5：基于龍芯平臺部署MobileNet 129
4.6.1 任務描述 129
4.6.2 技術準備 129
4.6.3 任務實施 131
4.7 項目總結 133
項目5 目標檢測網絡的部署 134
5.1 知識引入 134
5.1.1 目標檢測基本任務 134
5.1.2 目標檢測基本概念 134
5.2 任務1：基于龍芯平臺部署兩階段算法Faster R-CNN 137
5.2.1 任務描述 137
5.2.2 技術準備 137
5.2.3 任務實施 138
5.3 任務2：基于龍芯平臺部署兩階段算法Keypoint R-CNN 139
5.3.1 任務描述 139
5.3.2 技術準備 139
5.3.3 任務實施 141
5.4 任務3：基于龍芯平臺部署單階段算法YOLO v3 141
5.4.1 任務描述 141
5.4.2 技術準備 141
5.4.3 任務實施 142
5.5 任務4：基于龍芯平臺部署單階段算法SSD 143
5.5.1 任務描述 143
5.5.2 技術準備 143
5.5.3 任務實施 144
5.6 項目總結 148
項目6 圖像分割網絡的部署 149
6.1 知識引入 149
6.2 任務1：基于龍芯平臺部署語義分割網絡DeepLab v3 150
6.2.1 任務描述 150
6.2.2 技術準備 150
6.2.3 任務實施 154
6.3 任務2：基于龍芯平臺部署實例分割網絡Mask R-CNN 155
6.3.1 任務描述 155
6.3.2 技術準備 155
6.3.3 任務實施 157
6.4 任務3：基于龍芯平臺部署全景分割網絡Panoptic FPN 157
6.4.1 任務描述 157
6.4.2 技術準備 157
6.4.3 任務實施 159
6.5 項目總結 159
項目7 龍芯智能計算平臺模型的訓練 160
7.1 知識引入 160
7.1.1 龍芯智能計算平臺 160
7.1.2 龍芯智能計算平臺的優勢 163
7.1.3 龍芯智能計算平臺的應用 164
7.2 任務：利用龍芯AI訓練平臺訓練模型 164
7.2.1 任務描述 164
7.2.2 技術準備 164
7.2.3 任務實施 165
7.3 項目總結 169
項目8 龍芯智能計算平臺的推理部署 170
8.1 知識引入 170
8.2 任務1：基于AI加速卡的推理部署 170
8.2.1 任務描述 170
8.2.2 技術準備 170
8.2.3 任務實施 171
8.3 任務2：基于NCNN框架的推理部署 177
8.3.1 任務描述 177
8.3.2 技術準備 178
8.3.3 任務實施 178
8.4 項目總結 180
1.1 知識引入 1
1.1.1 OpenCV簡介 1
1.1.2 OpenCV的主要模塊 1
1.1.3 OpenCV的版本 2
1.1.4 OpenCV-Python 3
1.1.5 龍芯平臺和OpenCV 3
1.2 任務1：圖像讀取、顯示和保存 3
1.2.1 任務描述 3
1.2.2 技術準備 3
1.2.3 任務實施 4
1.3 任務2：視頻的獲取、顯示和保存 4
1.3.1 任務描述 4
1.3.2 技術準備 5
1.3.3 任務實施 6
1.4 任務3：幾何圖形繪制 7
1.4.1 任務描述 7
1.4.2 技術準備 7
1.4.3 任務實施 9
1.5 任務4：鼠標事件的交互與響應 10
1.5.1 任務描述 10
1.5.2 技術準備 10
1.5.3 任務實施 11
1.6 任務5：圖像幾何變換 12
1.6.1 任務描述 12
1.6.2 技術準備 12
1.6.3 任務實施 15
1.7 任務6：圖像濾波技術 19
1.7.1 任務描述 19
1.7.2 技術準備 19
1.7.3 任務實施 21
1.8 任務7：圖像邊緣檢測 24
1.8.1 任務描述 24
1.8.2 技術準備 24
1.8.3 任務實施 26
1.9 任務8：人臉檢測與識別 28
1.9.1 任務描述 28
1.9.2 技術準備 28
1.9.3 任務實施 30
1.10 項目總結 32
項目2 深度學習框架的部署 33
2.1 知識引入 33
2.1.1 深度學習的定義 33
2.1.2 神經網絡的基本概念 33
2.1.3 深度學習的發展歷程 36
2.1.4 深度學習的應用場景 37
2.1.5 如何學習深度學習 37
2.1.6 使用深度學習框架的優勢 38
2.2 任務1：基于龍芯平臺編譯與部署TensorFlow 38
2.2.1 任務描述 38
2.2.2 技術準備 39
2.2.3 任務實施 45
2.3 任務2：基于龍芯平臺編譯與部署PyTorch 51
2.3.1 任務描述 51
2.3.2 技術準備 51
2.3.3 任務實施 56
2.4 任務3：基于龍芯平臺編譯與部署ONNX Runtime 59
2.4.1 任務描述 59
2.4.2 技術準備 59
2.4.3 任務實施 60
2.5 任務4：基于龍芯平臺編譯與部署PaddlePaddle 64
2.5.1 任務描述 64
2.5.2 技術準備 64
2.5.3 任務實施 67
2.6 任務5：基于龍芯平臺編譯與部署NCNN 71
2.6.1 任務描述 71
2.6.2 技術準備 71
2.6.3 任務實施 72
2.7 項目總結 82
項目3 計算機視覺技術基礎知識 83
3.1 知識引入 83
3.1.1 計算機視覺概述 83
3.1.2 計算機視覺的應用領域 83
3.2 任務：常見計算機視覺任務 83
3.2.1 任務描述 83
3.2.2 技術準備 84
3.2.3 任務實施 84
3.3 項目總結 94
項目4 圖像分類網絡的部署 95
4.1 知識引入 95
4.1.1 CNN簡介 95
4.1.2 CNN基礎模塊 96
4.2 任務1：基于龍芯平臺部署VGG 16 102
4.2.1 任務描述 102
4.2.2 技術準備 102
4.2.3 任務實施 104
4.3 任務2：基于龍芯平臺部署ResNet 18 106
4.3.1 任務描述 106
4.3.2 技術準備 106
4.3.3 任務實施 109
4.4 任務3：基于龍芯平臺部署Inception v3 112
4.4.1 任務描述 112
4.4.2 技術準備 112
4.4.3 任務實施 116
4.5 任務4：基于龍芯平臺部署Xception 122
4.5.1 任務描述 122
4.5.2 技術準備 122
4.5.3 任務實施 124
4.6 任務5：基于龍芯平臺部署MobileNet 129
4.6.1 任務描述 129
4.6.2 技術準備 129
4.6.3 任務實施 131
4.7 項目總結 133
項目5 目標檢測網絡的部署 134
5.1 知識引入 134
5.1.1 目標檢測基本任務 134
5.1.2 目標檢測基本概念 134
5.2 任務1：基于龍芯平臺部署兩階段算法Faster R-CNN 137
5.2.1 任務描述 137
5.2.2 技術準備 137
5.2.3 任務實施 138
5.3 任務2：基于龍芯平臺部署兩階段算法Keypoint R-CNN 139
5.3.1 任務描述 139
5.3.2 技術準備 139
5.3.3 任務實施 141
5.4 任務3：基于龍芯平臺部署單階段算法YOLO v3 141
5.4.1 任務描述 141
5.4.2 技術準備 141
5.4.3 任務實施 142
5.5 任務4：基于龍芯平臺部署單階段算法SSD 143
5.5.1 任務描述 143
5.5.2 技術準備 143
5.5.3 任務實施 144
5.6 項目總結 148
項目6 圖像分割網絡的部署 149
6.1 知識引入 149
6.2 任務1：基于龍芯平臺部署語義分割網絡DeepLab v3 150
6.2.1 任務描述 150
6.2.2 技術準備 150
6.2.3 任務實施 154
6.3 任務2：基于龍芯平臺部署實例分割網絡Mask R-CNN 155
6.3.1 任務描述 155
6.3.2 技術準備 155
6.3.3 任務實施 157
6.4 任務3：基于龍芯平臺部署全景分割網絡Panoptic FPN 157
6.4.1 任務描述 157
6.4.2 技術準備 157
6.4.3 任務實施 159
6.5 項目總結 159
項目7 龍芯智能計算平臺模型的訓練 160
7.1 知識引入 160
7.1.1 龍芯智能計算平臺 160
7.1.2 龍芯智能計算平臺的優勢 163
7.1.3 龍芯智能計算平臺的應用 164
7.2 任務：利用龍芯AI訓練平臺訓練模型 164
7.2.1 任務描述 164
7.2.2 技術準備 164
7.2.3 任務實施 165
7.3 項目總結 169
項目8 龍芯智能計算平臺的推理部署 170
8.1 知識引入 170
8.2 任務1：基于AI加速卡的推理部署 170
8.2.1 任務描述 170
8.2.2 技術準備 170
8.2.3 任務實施 171
8.3 任務2：基于NCNN框架的推理部署 177
8.3.1 任務描述 177
8.3.2 技術準備 178
8.3.3 任務實施 178
8.4 項目總結 180
展開全部
深度學習與計算機視覺 項目式教材 作者簡介
彭飛，畢業于中國科學技術大學計算機科學與技術學院，博士，教授級高級工程師，現任龍芯中科（合肥）技術有限公司總經理；參與“核高基”“973”“863”等國家重大課題，獲得重點領域科學技術獎國家二等獎，擔任中國科學技術大學先進技術研究院碩士研究生企業導師、安徽省大數據中心咨詢專家、安徽省計算機學會常務理事、安徽省商用密碼行業協會副會長、安徽省信息技術應用創新產業聯盟秘書長。 張強，畢業于南京航空航天大學計算機科學與技術學院，碩士，高級工程師，合肥市高層次人才，中國科學院工程技術專業工程師，現就職于龍芯中科（合肥）技術有限公司，主要負責自主可控龍芯平臺在深度學習領域的軟件研發與生態建設等方面的工作。
書友推薦
- >
煙與鏡
- >
伯納黛特,你要去哪(2021新版)
- >
二體千字文
- >
推拿
- >
月亮與六便士
- >
小考拉的故事-套裝共3冊
- >
我與地壇
- >
有舍有得是人生
本類暢銷
