新書推薦：
《
中国汽车综合测评技术研究报告 （2024）
》
售價：HK$
229.9
《
万有引力书系：金马 巴拿马铁路悲歌
》
售價：HK$
112.7
《
人文与社会译丛：休谟的人生智慧
》
售價：HK$
78.2
《
高效时间管理：巧妙且明智地利用时间
》
售價：HK$
66.7
《
完美咨询 原书第4版
》
售價：HK$
86.3
![亿万：围剿华尔街大白鲨（珍藏版） [美]茜拉·科尔哈特卡](http://103.6.6.66/upload/mall/productImages/24/31/9787111744436.jpg)
《
亿万：围剿华尔街大白鲨（珍藏版） [美]茜拉·科尔哈特卡
》
售價：HK$
79.4
《
水悖论（“同一颗星球”丛书）
》
售價：HK$
78.2
《
空间微电子. 第二卷.空间用集成电路设计
》
售價：HK$
250.7
|
| 內容簡介： |
|
本书结合理论和实践，主要介绍如何使用图像处理和深度学习技术来使计算机感知和理解图形。全书分为概述、OpenCV 图像基本操作、深度学习与计算机视觉、计算机视觉基础技术、计算机视觉综合应用五大部分（共 11 章）。概述部分（第 1 章）主要介绍计算机视觉的概念和发展史；OpenCV 图像基本操作（第 2 章）主要介绍基于OpenCV 的图像处理操作；深度学习与计算机视觉（第3 章）主要介绍深度学习的概念及其应用、深度学习的实现框架TensorFlow 的用法以及卷积神经网络的概念、结构和算法；计算机视觉基础技术（第4～9 章）主要介绍图像分类、目标检测、图像分割、场景文字识别、人体关键点检测、图像生成等关键技术的原理、方法及应用；计算机视觉综合应用（第 10、11 章）主要介绍视觉交互机器人和无人驾驶的自动巡线两个大型综合实验。本书围绕基本理论，设置了较多的实验操作和实践案例，通过自己动手练习，帮助读者巩固所学内容。
|
| 關於作者： |
|
许桂秋，数据中国“百校工程”项目运营总监。2000年9月?D2004年6月，厦门大学，计算机科学与技术专业学习，获工学学士；2007年8月?D2011年4月，中国石油天然气股份有限公司，项目经理，工程师；2011年6月?D2016年7月，曙光信息产业股份有限公司，项目经理，工程师；主要从事大数据，人工智能等新一代信息技术领域的产教融合研究。主要著作出版情况：《大数据导论》、《Python编程基础与应用》、《NoSQL数据库原理与应用》、《数据挖掘与机器学习》等9本系列教材，浙江科技出版社，2019年。
|
| 目錄：
|
|
目 录第1章 概述11.1 什么是计算机视觉11.2 计算机视觉的发展史3第2章 OpenCV图像基本操作62.1 如何使用OpenCV62.2 图像的基础操作82.2.1 图像的基本表示方法82.2.2 图像的读取、显示和存储112.2.3 视频序列的读取和存储162.2.4 图像像素的处理与访问202.2.5 获取图像属性232.2.6 图像RoI232.2.7 图像通道的拆分与合并252.3 图像的几何变换282.3.1 图像缩放282.3.2 图像翻转302.3.3 图像仿射变换312.3.4 图像透视342.4 图像的算术运算352.4.1 图像的加法运算352.4.2 图像的加权和运算372.4.3 图像的按位逻辑运算38第3章 深度学习与计算机视觉423.1 深度学习概述423.1.1 深度学习的概念423.1.2 深度学习的发展历程423.2 卷积神经网络453.2.1 卷积神经网络的研究历史与意义453.2.2 卷积神经网络的基本结构463.2.3 卷积神经网络的工作原理483.2.4 卷积神经网络的发展趋势493.2.5 实验—机器人识别你的字503.3 基于深度学习的计算机视觉563.3.1 计算机视觉与深度学习的关系563.3.2 计算机视觉和深度学习发展的加速器—GPU583.3.3 计算机视觉与深度学习的基础与研究方向593.4 深度学习的实现框架TensorFlow603.4.1 TensorFlow简介603.4.2 TensorFlow环境的搭建603.4.3 TensorFlow计算模型—计算图683.4.4 TensorFlow数据模型—张量703.4.5 TensorFlow运行模型—会话74第4章 图像分类764.1 定义与应用场景764.2 实现方法774.3 常用数据集804.4 实验—机器人看图识物824.5 实验—机器人识别人脸表情100第5章 目标检测1125.1 定义与应用场景1125.2 实现方法1135.2.1 基于候选区域的目标检测算法1145.2.2 基于直接回归的目标检测算法1195.3 常用数据集1225.4 实验—机器人捕捉人脸并识别1235.5 实验—无人驾驶中的目标检测141第6章 图像分割1466.1 定义与应用场景1466.2 实现方法1476.2.1 基于特征编码的模型1476.2.2 基于区域选择的模型1486.2.3 基于上采样/反卷积的模型1506.2.4 基于RNN的模型1516.2.5 基于提高特征分辨率的模型1526.3 常用数据集1526.4 实验—无人驾驶场景感知153第7章 场景文字识别1657.1 定义与应用场景1657.2 实现方法1677.2.1 传统方法时期1677.2.2 深度学习方法时期1677.3 常用数据集1707.4 实验—无人值守车牌识别机器人171第8章 人体关键点检测1798.1 定义与应用场景1798.1.1 人体关键点检测的定义1798.1.2 人体关键点检测的应用场景1808.2 实现方法1828.2.1 自顶向下1838.2.2 自底向上1848.3 常用数据集1868.3.1 MPII数据集1878.3.2 MSCOCO数据集1888.4 实验—姿态识别互动机器人189第9章 图像生成1949.1 定义与应用场景1949.1.1 图像生成的定义1949.1.2 图像生成的应用1959.2 实现方法1969.2.1 GAN模型1969.2.2 PixelRNN/PixelCNN模型1979.2.3 VAE模型1989.3 常用数据集2009.4 实验—机器人书法学习200第10章 视觉交互机器人21210.1 实验目的21210.2 实验背景21210.3 实验原理21210.4 实验环境21510.5 实验步骤21510.5.1 利用CNN主流架构的mini_Xception训练情感分类21510.5.2 视觉交互机器人综合实验221第11章 无人驾驶的自动巡线22811.1 实验目的22811.2 实验背景22811.3 实验原理23011.4 实验环境23111.5 实验步骤23111.5.1 数据准备23111.5.2 网络设计23111.5.3 模型训练23711.5.4 模型测试243
|
|
購物車/收銀台(
1
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
