新書推薦：
《
美丽与哀愁：第一次世界大战个人史
》
售價：HK$
147.2
《
国家豁免法的域外借鉴与实践建议
》
售價：HK$
188.2
《
大单元教学设计20讲
》
售價：HK$
78.2
《
儿童自我关怀练习册：做自己最好的朋友
》
售價：HK$
71.3
《
高敏感女性的力量（意大利心理学家FSP博士重磅力作。高敏感是优势，更是力量）
》
售價：HK$
62.7
《
元好问与他的时代（中华学术译丛）
》
售價：HK$
87.4
《
汽车传感器结构·原理·检测·维修
》
售價：HK$
112.7
《
怪谈百物语：不能开的门（“日本文学史上的奇迹”宫部美雪重要代表作！日本妖怪物语集大成之作，系列累销突破200万册！）
》
售價：HK$
66.7
|
| 編輯推薦： |
全面总结作者多年数字图像处理算法的研究心得和实践经验。
带领读者系统掌握数字图像处理的相关理论知识和实际应用。
深入剖析张量运算方法在数字图像处理中的应用。
详解梯度下降算法的完整流程，并将其应用于模型优化中。
详解数据集的构建以及模型的训练和部署等核心知识。
详解图像分类、图像分割和目标检测三大核心任务。
提供教学视频、程序源代码和教学PPT等配套资源。
|
| 內容簡介： |
|
”《计算机视觉之PyTorch数字图像处理》以数字图像处理为主题，在详细介绍数字图像处理主流算法的基础上，配合丰富的实战案例，用PyTorch深度学习框架对相关算法进行应用实践。本书一方面从张量的维度对经典数字图像处理算法进行详细的介绍，另一方面从深度学习的维度对图像分类、图像分割和图像检测进行细致的讲解，从而帮助读者较为系统地掌握数字图像处理的相关理论知识和实际应用。 《计算机视觉之PyTorch数字图像处理》分为3篇，共11章。第1篇图像处理基础知识，包括计算机视觉与数字图像概述、搭建开发环境和Python编程基础；第2篇基于经典方法的图像处理，包括图像处理基础知识、图像的基础特征、自动梯度与神经网络、数据准备与图像预处理；第3篇基于深度学习的图像处理，包括图像分类、图像分割、目标检测和模型部署。 《计算机视觉之PyTorch数字图像处理》内容丰富，讲解由浅入深、案例丰富、实用性强，特别适合数字图像处理的入门与进阶人员阅读，也适合数字图像处理的从业人员与研究人员阅读，还可作为高等院校数字图像处理相关课程的教材。”
|
| 關於作者： |
|
侯伟，工学博士，国内深度学习框架PaddlePaddle的贡献者。现任教于华北理工大学理学院，教授图像处理和深度学习等相关课程。本科和硕士毕业于兰州大学，博士毕业于中国科学院大学人工智能学院。博士期间师从徐德研究员，从事数字图像处理及其在工业自动视觉检测领域的研究。对数字图像处理和深度学习有较为深刻的认识和理解，具备扎实的理论基础和丰富的编程经验。发表学术论文5篇，授权发明专利2项，授权软件著作权1项，参编教材1部。
|
| 內容試閱：
|
数字图像处理是计算机视觉领域的主要应用场景之一。近年来随着人工智能技术的进一步发展，数字图像处理技术得到了快速发展。特别是以深度学习为主的图像处理已经达到或接近人类视觉的识别水平，解决了长期以来图像处理的各种难题。
PyTorch是一款流行的深度学习框架，它以Python作为编程语言，以张量运算为中心集成了深度学习的各种算子，能够方便、快捷地构造复杂的深度学习模型，已经成为数字图像处理的重要工具之一。PyTorch框架的优点众多，即可以将其作为高效的张量计算模块，轻松地实现经典的数字图像处理算法，并最大限度地利用CUDA等硬件资源加速模型的训练和部署，又可以利用其自动梯度和动态图机制构造复杂的深度学习模型，从而解决高级图像处理的各种问题。当前，PyTorch在学术界和工业界得到了广泛的使用，已经成为学习数字图像处理的必学工具。熟练使用PyTorch进行数字图像处理已经成为图像处理和计算机视觉等相关岗位的必要条件。
目前，虽然图书市场上已有多本计算机视觉方面的图书，其中不乏传统数字图像处理方法的图书，但是尚缺少系统介绍PyTorch数字图像处理的图书。于是笔者编写了本书，希望能对想系统学习PyTorch数字图像处理技术的相关人员有所帮助。
本书特色
? 内容丰富：不但介绍PyTorch的基础知识和数字图像处理的相关理论，而且从张量的维度详解经典数字图像处理算法，并从深度学习的维度详解图像分类、图像分割和图像检测三大核心任务。
? 学习门槛低：从计算机视觉和数字图像的基本概念开始讲解，继而介绍开发环境的搭建、Python基础知识和PyTorch基础知识等，不需要读者有太多基础知识即可快速入门。
? 理论结合实践：不但对数字图像处理的主流算法理论进行系统讲解，而且在此基础上结合丰富的实战案例，用PyTorch深度学习框架进行应用实践。
? 图文并茂：结合多幅示意图讲解相关知识点，让抽象的知识变得更加直观和易于理解，从而帮助读者高效学习。
? 实用性强：结合大量真实的图像处理案例进行讲解，读者只需要对书中的案例源代码进行少量的改动，即可将其应用于自己的图像处理工作中。
? 配套资源丰富：提供高清教学视频、程序源代码和教学PPT等配套资源，便于读者高效、直观地学习，从而取得更好的学习效果。
本书内容
第1篇 图像处理基础知识
第1章计算机视觉与数字图像概述，主要介绍计算机视觉与数字图像的概念，以及数字图像的存储和处理，并简单介绍PyTorch框架在图像处理中的应用。
第2章搭建开发环境，首先简单介绍Python和CUDA的相关知识，然后详细介绍Python第三方库、PyTorch框架、可视化工具Visdom和集成开发环境Spyder的安装方法。
第3章Python编程基础，主要介绍Python语法基础知识、PyTorch张量运算基础知识和Visdom图表绘制基础知识。
第2篇 基于经典方法的图像处理
第4章图像处理基础知识，主要介绍图像与张量的互操作、图像的点运算、图像的邻域运算和图像的全局运算等相关知识。
第5章图像的基础特征，主要介绍图像的特征点、线特征和面特征等相关知识。
第6章自动梯度与神经网络，主要介绍自动梯度、模块、激活函数、损失函数、优化器和全连接神经网络等相关知识。
第7章数据准备与图像预处理，首先对Torchvision库进行简单介绍，然后对构建数据集、数据变换与增强进行详细的介绍。
第3篇 基于深度学习的图像处理
第8章图像分类，首先介绍图像分类的任务与预训练模型的使用，然后介绍VGGNet和ResNet两个经典的卷积神经网络模型，接着介绍卷积神经网络的训练与评估，最后简单介绍迁移学习的相关知识。
第9章图像分割，首先简单介绍图像分割的概念和卷积神经网络在该领域的进展情况，然后详细介绍分割数据集、FCN分割模型、UNet分割模型、分割网络的训练与评估等相关知识，最后进行分割网络实践。
第10章目标检测，首先简单介绍目标检测的概念和卷积神经网络在该领域的进展情况，然后详细介绍预训练网络的使用、FCOS模型及其训练、YOLOv5模型及其训练等相关知识。
第11章模型部署，首先简单介绍模型部署的特点，然后详细介绍如何使用LibTorch、ONNX、OpenCV和OpenVINO部署模型等相关知识。
读者对象
? 数字图像处理入门人员；
? 数字图像处理从业人员；
? 数字图像处理研究人员；
? 数字图像处理技术爱好者；
? 计算机视觉研究人员和爱好者；
? 高等院校相关专业的学生和老师；
? 社会培训机构的学员。
配套资源获取
本书提供的教学视频、程序源代码和教学PPT等配套资源有两种获取方式：一是关注微信公众号“方大卓越”，回复数字“28”获取下载链接；二是在清华大学出版社网站（www.tup.com.cn）上搜索到本书，然后在本书页面上找到“资源下载”栏目，单击“网络资源”或“课件下载”按钮进行下载。
售后支持
由于笔者水平所限，书中可能还存在疏漏与不足之处，恳请广大读者批评与指正。读者在阅读本书的过程中若有疑问，可发电子邮件到bookservice2008@163. com获得帮助。
侯伟
2024年7月
|
|
購物車/收銀台(0) | 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
