Python 機器學習和圖像處理實戰 面部識別、目標檢測和模
作 者: (印)希曼舒·辛格(Himanshu Singh) 著 駱鈴 譯
定 價: 69.8
出?版?社: 清華大學出版社
出版日期: 2019年12月01日
頁 數: 118
裝 幀: 平裝
ISBN: 9787302538158
●章設置環境 1.1安裝Anaconda 1.1.1在Windows下安裝 1.1.2在macOS下安裝 1.1.3在Ubuntu下安裝 1.2安裝OpenCV 1.3安裝Keras 1.4測試安裝 1.5虛擬環境 第2章圖像處理入門 2.1圖像 2.2像素 2.3圖像分辨率 2.4PPI與DPI 2.5位圖圖像 2.6無損壓縮 2.7有損壓縮 2.8圖像文件格式 2.9色彩空間 2.9.1RGB 2.9.2XYZ 2.9.3HSV/HSL 2.9.4Lab 2.9.5LCH 2.9.6YPbPr 2.9.7YUV 2.9.8YIQ 2.10不錯圖像概念 2.10.1貝塞爾曲線 2.10.2橢球 2.10.3伽馬校正 2.10.4結構相似性指標 2.10.5解卷積 2.10.6單應性 2.10.7卷積 第3章Python基礎和ScikitImage 3.1Python入門 3.1.1變量和數據類型 3.1.2數據結構 3.1.3循環語句 3.1.4條件語句 3.1.5函數 3.2ScikitImage 3.2.1上傳和查看圖像 3.2.2獲取圖像分辨率 3.2.3查看像素值 3.2.4轉換色彩空間 3.2.5保存圖像 3.2.6創建基本圖形 3.2.7執行伽馬校正 3.2.8旋轉、平移和縮放圖像 3.2.9確定結構相似度 第4章OpenCV不錯圖像處理 4.1混合兩張圖像 4.2改變圖像的對比度和亮度 4.3往圖像中添加文字 4.4平滑圖像 4.4.1中值濾波器 4.4.2高斯濾波器 4.4.3雙邊濾波器 4.5改變圖像的形狀 4.6實施圖像閾限化 4.7計算梯度 4.8執行直方圖均衡 第5章基於機器學習的圖像處理 5.1使用SIFT算法的特征映射 5.1.1步驟1:構造尺度不變的空間 5.1.2步驟2:求兩個高斯之差 5.1.3步驟3:找出圖像中的關鍵點 5.1.4步驟4:為了高效地比較,移除非關鍵點 5.1.5步驟5:提供關鍵點的方向 5.1.6步驟6:確定唯一關鍵特征 5.2使用RANSAC算法的圖像配準 5.2.1estimate_affine()函數 5.2.2residual_lengths()函數 5.2.3輸出圖像 5.2.4全部代碼 5.3使用人工神經網絡的圖像分類 5.4使用CNN的圖像分類 5.5使用機器學習的圖像分類 5.5.1決策樹 5.5.2支持向量機 5.5.3邏輯回歸 5.5.4代碼 5.6重要術語 第6章實時用例 6.1找出掌紋 6.2檢測面部 6.3識別面部 6.4追蹤運動 6.5檢測車道 附錄重要概念與術語
內容簡介
了解圖像處理算法以及如何使用Python應用這些算法;探索使用OpenCV進行圖像處理;使用scikit-leam、NumPy和其他程序庫;把機器學習和深度學習算法運用到圖像處理中;把圖像處理技術應用到五個實時項目中。
(印)希曼舒·辛格(Himanshu Singh) 著 駱鈴 譯
希曼舒·辛格,擁有超過6年的數據科學從業經驗,目前是V-Soft Labs的不錯數據科學家。他提供關於數據科學、機器學習和深度學習的企業培訓,是Narsee Monjee管理學院(Narsee Monjee Institute of Management Studies)在分析方面的訪問學者,這家學院被視為印度的不錯管理學院之一。他是Black Feathers Analytics和Rise of Literati Clubs的創始人。
"