一本透徹講解計算機視覺的實戰圖書，通過近60個大中型案例，詳細講解了計算機視覺中的深度學習算法、理論和關鍵技術實現。快速幫助在計算機視覺領域的讀者掌握相關的理論知識，以及通過相應的案例實操從而快速上手，書中的上百個計算機視覺知識點，有C++和Python雙語言支持，不僅適用於直接使用Python的用戶，也能幫助C++用戶快速進階。

●第1章深度學習基礎1
1.1神經網絡1
1.1.1感知機1
1.1.2神經網絡原理2
1.2卷積神經網絡3
1.2.1CNN基本操作3
1.2.2CNN原理6
1.3循環神經網絡7
1.3.1RNN7
1.3.2LSTM與GRU8
1.4經典網絡9
1.4.1AlexNet9
1.4.2VGG10
1.4.3GoogLeNet11
1.4.4ResNet12
1.4.5MobileNet13
1.5進階推薦：如何學習深度學習並“落地”求職16
1.5.1深度學習如何快速入門16
1.5.2深度學習行業求職技巧17
第2章計算機視覺基礎18
2.1目標檢測Two-stage算法18
2.1.1R-CNN算法18
2.1.2FastR-CNN算法20
2.1.3FasterR-CNN算法21
2.2目標檢測One-stage算法23
2.2.1YOLO繫列算法23
2.2.2SSD算法29
2.3圖像分割算法31
2.3.1FCN算法31
2.3.2U-Net算法33
2.3.3DeepLab繫列算法34
2.3.4MaskR-CNN算法37
2.4進階推薦：計算機視覺方向知多少38
第3章基礎圖像處理40
3.1線性濾波40
3.1.1案例1：使用方框濾波41
3.1.2案例2：使用均值濾波46
3.1.3案例3：使用高斯濾波48
3.2非線性濾波50
3.2.1案例4：使用中值濾波例50
3.2.2案例5：使用雙邊濾波52
3.3OpenCV形態學運算54
3.3.1案例6：進行膨脹操作55
3.3.2案例7：進行腐蝕操作57
3.3.3案例8：使用形態學運算58
3.4案例9：使用漫水填充63
3.5圖像金字塔67
3.5.1案例10：使用高斯金字塔67
3.5.2案例11：使用拉普拉斯金字塔70
3.6閾值化73
3.6.1案例12：使用基本閾值74
3.6.2案例13：使用自適應閾值78
3.7進階推薦：選擇一款合適的圖像處理工具80
3.7.1OpenCV80
3.7.2Matlab81
第4章圖像變換83
4.1邊緣檢測83
4.1.1案例14：Sobel算法83
4.1.2案例15：Scharr算法87
4.1.3案例16：Laplacian算法90
4.1.4案例17：Canny算法91
4.2案例18：繪制輪廓94
4.3霍夫變換97
4.3.1案例19：霍夫線變換97
4.3.2案例20：霍夫圓變換101
4.4案例21：重映射103
4.5案例22：仿射變換106
4.6案例23：透視變換109
4.7直方圖111
4.7.1案例24：直方圖的計算與繪制111
4.7.2案例25：直方圖均衡化113
4.8進階推薦：圖像變換應用之文本圖像矯正114
4.8.1圖像變換知識總結114
4.8.2案例26：文本圖像矯正115
第5章角點檢測117
5.1案例27：Harris角點檢測117
5.2案例28：Shi-Tomasi角點檢測119
5.3案例29：亞像素級角點檢測122
5.4進階推薦：角點檢測知識總結125
第6章特征點檢測與匹配127
6.1特征點檢測127
6.1.1opencv-contrib環境安裝127
6.1.2案例30：SIFT特征點檢測130
6.1.3案例31：SURF特征點檢測137
6.2特征匹配139
6.2.1案例32：BruteForce匹配139
6.2.2案例33：FLANN匹配146
6.3案例34：ORB特征提取148
6.4進階推薦：利用特征點拼接圖像151
6.4.1特征點檢測算法彙總151
6.4.2案例35：基於特征點檢測與匹配的圖像拼接151
第7章手寫數字識別155
7.1Keras的應用155
7.1.1Keras模型155
7.1.2Keras層156
7.1.3模型編譯157
7.1.4模型訓練158
7.2LeNet算法159
7.3案例36：使用Keras實現手寫數字識別160
7.3.1模型訓練160
7.3.2手寫數字識別模型推理164
7.4進階推薦：算法模型開發流程167
7.4.1數據準備167
7.4.2網絡搭建169
7.4.3模型訓練170
第8章CIFAR-10圖像分類171
8.1圖像分類數據集171
8.1.1CIFAR-10數據集和CIFAR-100數據集171
8.1.2ImageNet數據集172
8.1.3PASCALVOC數據集173
8.2案例37：CIFAR-10圖像分類173
8.2.1模型訓練過程174
8.2.2模型推理179
8.3進階推薦：COCO數據集與使用
HOGTSVM方法實現圖像分類180
8.3.1COCO數據集180
8.3.2案例38：使用HOG+SVM
方法實現圖像分類180
第9章驗證碼識別184
9.1TensorFlow應用184
9.1.1案例39：TensorFlow的基本使用184
9.1.2TensorFlow的常用模塊186
9.2案例40：驗證碼識別188
9.2.1生成驗證碼圖片188
9.2.2基於TensorFlow的驗證碼識別189
9.3進階推薦：算法模型開發技巧194
9.3.1數據預處理技巧194
9.3.2網絡搭建技巧195
9.3.3模型訓練技巧196
第10章文本檢測實戰197
10.1文本檢測算法197
10.1.1CTPN算法198
10.1.2EAST算法200
10.2案例41：基於EAST算法的文本檢測202
10.2.1數據預處理202
10.2.2網絡搭建205
10.2.3模型訓練212
10.2.4文本檢測驗證217
10.3進階推薦：在不同場景下文本檢測的應對方式218
10.3.1復雜場景文本檢測219
10.3.2案例42：使用形態學運算實現簡單場景文本檢測220
10.3.3案例43：使用MSER+NMS實現簡單場景文本檢測223
第11章文本識別實戰226
11.1文本識別算法226
11.1.1CRNN算法226
11.1.2AttentionOCR算法229
11.2案例44：基於C-RNN算法的文本識別231
11.2.1數據預處理231
11.2.2網絡搭建232
11.2.3模型訓練236
11.2.4文本識別驗證237
11.3進階推薦：單字OCR238
11.3.1OCR探究238
11.3.2案例45：文本圖片字符切割238
第12章TensorFlowLite244
12.1TensorFlowLite介紹244
12.1.1TensorFlowLite基礎245
12.1.2TensorFlowLite源碼分析246
12.2模型轉換248
12.2.1FlatBuffers文件格式248
12.2.2案例46：其他格式轉換為.tflite模型250
12.3模型量化252
12.3.1案例47：量化感知訓練252
12.3.2案例48：訓練後量化255
12.4進階推薦：模型轉換與模型部署優化答疑257
12.4.1模型轉換問題257
12.4.2模型部署優化258
第13章基於TensorFlowLite的AI
功能部署實戰260
13.1部署流程260
13.2案例49：移動端部署261
13.2.1搭建開發環境262
13.2.2編譯運行項目262
13.2.3調用過程解析264
13.3PC端部署266
13.3.1案例50：Windows端部署266
13.3.2案例51：Linux端部署278
13.3.3案例52：ARM平臺部署282
13.3.4案例53：MIPS平臺部署285
13.4進階推薦：推理框架拓展與OpenCV編譯部署286
13.4.1其他深度學習推理框架286
13.4.2OpenCV編譯286

本書是一本學習計算機視覺的實戰指南，通過理論與實踐相結合的思想，真正一站式搞定理論學習、算法開發到模型部署上線。
全書內容可分為四個部分。第一部分包括第1~2章，主要汫解深度學習和計算機視覺基礎，如計算機視覺領域的經典網絡和常見的目標檢測算法；第二部分包括第3~6章，主要汫解圖像處理知識，結合應用案例，對知識點進行分析說明；第三部分包括第7~11章，主要汫解計算機視覺中的實戰項目，對實現細節做了追本溯源的汫解；第四部分包括第12~13章，主要汫解模型的落地部署，該部分的講解基於TensorFlow Lite框架，該框架受眾廣、熱度高，且在各種平臺都有對應的支持與優化加速方案，方便讀者使用。
本書中的上百個知識點與近60個案例都是作者工程應用中的經驗總結,每章末尾均有"逬階推薦"，給讀者提供更多的拓展知識。本書適合計算機視.覺的初學者、計算機視覺算法開發人員、對深度學等