了得網研究生_計算機視覺原理與實踐

商品搜索

类别：

关键字：

商品分类

　研究生
　 工学
　 公共课
　 经济管理
　 理学
　 农学
　 文法类
　 医学

　音乐
　 音乐理论

　声乐　通俗音乐　音乐欣赏　钢琴　二胡　小提琴

計算機視覺原理與實踐
該商品所屬分類：研究生 -> 工學
【市場價】	248-358元
【優惠價】	155-224元
【作者】	許桂秋
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	電子工業出版社
【ISBN】	9787121447419
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

包裝：平塑

是否套裝：否

國際標準書號ISBN：9787121447419

作者：許桂秋

出版社：電子工業出版社

出版時間：2022年12月

內容簡介

本書結合理論和實踐，主要介紹如何使用圖像處理和深度學習技術來使計算機感知和理解圖形。全書分為概述、OpenCV 圖像基本操作、深度學習與計算機視覺、計算機視覺基礎技術、計算機視覺綜合應用五大部分（共 11 章）。概述部分（第 1 章）主要介紹計算機視覺的概念和發展史；OpenCV 圖像基本操作（第 2 章）主要介紹基於OpenCV 的圖像處理操作；深度學習與計算機視覺（第3 章）主要介紹深度學習的概念及其應用、深度學習的實現框架TensorFlow 的用法以及卷積神經網絡的概念、結構和算法；計算機視覺基礎技術（第4～9 章）主要介紹圖像分類、目標檢測、圖像分割、場景文字識別、人體關鍵點檢測、圖像生成等關鍵技術的原理、方法及應用；計算機視覺綜合應用（第 10、11 章）主要介紹視覺交互機器人和無人駕駛的自動巡線兩個大型綜合實驗。本書圍繞基本理論，設置了較多的實驗操作和實踐案例，通過自己動手練習，幫助讀者鞏固所學內容。

作者簡介

許桂秋，數據中國“百校工程”項目運營總監。2000年9月?D2004年6月，廈門大學，計算機科學與技術專業學習，獲工學學士；2007年8月?D2011年4月，中國石油天然氣股份有限公司，項目經理，工程師；2011年6月?D2016年7月，曙光信息產業股份有限公司，項目經理，工程師；主要從事大數據，人工智能等新一代信息技術領域的產教融合研究。主要著作出版情況：《大數據導論》、《Python編程基礎與應用》、《NoSQL數據庫原理與應用》、《數據挖掘與機器學習》等9本繫列教材，浙江科技出版社，2019年。

目錄
第1章概述1
1.1 什麼是計算機視覺1
1.2 計算機視覺的發展史3
第2章 OpenCV圖像基本操作6
2.1 如何使用OpenCV6
2.2 圖像的基礎操作8
2.2.1 圖像的基本表示方法8
2.2.2 圖像的讀取、顯示和存儲11
2.2.3 視頻序列的讀取和存儲16
2.2.4 圖像像素的處理與訪問20
2.2.5 獲取圖像屬性23
2.2.6 圖像RoI23
2.2.7 圖像通道的拆分與合並25目錄

第1章概述1

1.1 什麼是計算機視覺1

1.2 計算機視覺的發展史3

第2章 OpenCV圖像基本操作6

2.1 如何使用OpenCV6

2.2 圖像的基礎操作8

2.2.1 圖像的基本表示方法8

2.2.2 圖像的讀取、顯示和存儲11

2.2.3 視頻序列的讀取和存儲16

2.2.4 圖像像素的處理與訪問20

2.2.5 獲取圖像屬性23

2.2.6 圖像RoI23

2.2.7 圖像通道的拆分與合並25

2.3 圖像的幾何變換28

2.3.1 圖像縮放28

2.3.2 圖像翻轉30

2.3.3 圖像仿射變換31

2.3.4 圖像透視34

2.4 圖像的算術運算35

2.4.1 圖像的加法運算35

2.4.2 圖像的加權和運算37

2.4.3 圖像的按位邏輯運算38

第3章深度學習與計算機視覺42

3.1 深度學習概述42

3.1.1 深度學習的概念42

3.1.2 深度學習的發展歷程42

3.2 卷積神經網絡45

3.2.1 卷積神經網絡的研究歷史與意義45

3.2.2 卷積神經網絡的基本結構46

3.2.3 卷積神經網絡的工作原理48

3.2.4 卷積神經網絡的發展趨勢49

3.2.5 實驗—機器人識別你的字50

3.3 基於深度學習的計算機視覺56

3.3.1 計算機視覺與深度學習的關繫56

3.3.2 計算機視覺和深度學習發展的加速器—GPU58

3.3.3 計算機視覺與深度學習的基礎與研究方向59

3.4 深度學習的實現框架TensorFlow60

3.4.1 TensorFlow簡介60

3.4.2 TensorFlow環境的搭建60

3.4.3 TensorFlow計算模型—計算圖68

3.4.4 TensorFlow數據模型—張量70

3.4.5 TensorFlow運行模型—會話74

第4章圖像分類76

4.1 定義與應用場景76

4.2 實現方法77

4.3 常用數據集80

4.4 實驗—機器人看圖識物82

4.5 實驗—機器人識別人臉表情100

第5章目標檢測112

5.1 定義與應用場景112

5.2 實現方法113

5.2.1 基於候選區域的目標檢測算法114

5.2.2 基於直接回歸的目標檢測算法119

5.3 常用數據集122

5.4 實驗—機器人捕捉人臉並識別123

5.5 實驗—無人駕駛中的目標檢測141

第6章圖像分割146

6.1 定義與應用場景146

6.2 實現方法147

6.2.1 基於特征編碼的模型147

6.2.2 基於區域選擇的模型148

6.2.3 基於上采樣/反卷積的模型150

6.2.4 基於RNN的模型151

6.2.5 基於提高特征分辨率的模型152

6.3 常用數據集152

6.4 實驗—無人駕駛場景感知153

第7章場景文字識別165

7.1 定義與應用場景165

7.2 實現方法167

7.2.1 傳統方法時期167

7.2.2 深度學習方法時期167

7.3 常用數據集170

7.4 實驗—無人值守車牌識別機器人171

第8章人體關鍵點檢測179

8.1 定義與應用場景179

8.1.1 人體關鍵點檢測的定義179

8.1.2 人體關鍵點檢測的應用場景180

8.2 實現方法182

8.2.1 自頂向下183

8.2.2 自底向上184

8.3 常用數據集186

8.3.1 MPII數據集187

8.3.2 MSCOCO數據集188

8.4 實驗—姿態識別互動機器人189

第9章圖像生成194

9.1 定義與應用場景194

9.1.1 圖像生成的定義194

9.1.2 圖像生成的應用195

9.2 實現方法196

9.2.1 GAN模型196

9.2.2 PixelRNN/PixelCNN模型197

9.2.3 VAE模型198

9.3 常用數據集200

9.4 實驗—機器人書法學習200

第10章視覺交互機器人212

10.1 實驗目的212

10.2 實驗背景212

10.3 實驗原理212

10.4 實驗環境215

10.5 實驗步驟215

10.5.1 利用CNN主流架構的mini_Xception訓練情感分類215

10.5.2 視覺交互機器人綜合實驗221

第11章無人駕駛的自動巡線228

11.1 實驗目的228

11.2 實驗背景228

11.3 實驗原理230

11.4 實驗環境231

11.5 實驗步驟231

11.5.1 數據準備231

11.5.2 網絡設計231

11.5.3 模型訓練237

11.5.4 模型測試243

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】