計算機視覺案例教程

定　價：￥59.00

作　者：	劉小華
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥50.10)

ISBN：	9787121459221	出版時間：	2023-08-01	包裝：	平塑
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　計算機視覺是一門研究和應用學科，它研究如何使用計算機來處理和理解圖像與視頻，該研究領域涵蓋了從圖像采集和處理到圖像分析和識別等多項技術。它的目標是使計算機能夠像人類一樣理解視覺信息，并且能夠自動執(zhí)行視覺任務。本書是一本以應用為導向的計算機視覺案例教材，全書共分11章。第1章講述計算機視覺概述；第2章講述系統(tǒng)環(huán)境搭建；第3章主要講述圖像處理基礎；第4章主要講述圖像濾波；第5章講述圖像特征提取和匹配；第6章講述圖像分割基礎；第7章講述基于經(jīng)典機器學習的圖像分類；第8章講述基于全連接網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的圖像分類基礎；第9章講述基于卷積神經(jīng)網(wǎng)絡的圖像分類程序的規(guī)范寫法；第10章講述基于YOLO的目標檢測和物體追蹤；第11章講述基于深度學習的人臉檢測、人臉識別和表情識別。前7章主要講述必要的理論基礎和基于經(jīng)典機器學習的計算機視覺；后4章主要講述基于深度學習的計算機視覺。學習本書學生有必要的Python基礎知識即可，無須事先學習深度學習課程，最好具備一定的機器學習基礎。本書希望做到：知識技能較系統(tǒng)，寫法深入淺出，案例有較好的實用性；能幫助學生入門，能幫助學生樹立解決問題的信心。

作者簡介

　　劉小華，深職院人工智能學院軟件技術專業(yè)主任，主要從事人工智能技術的教學和科研工作。開發(fā)的軟件系統(tǒng)從2004年起在深職院使用至今，累計承擔省、市、校各級教學科研課題十余項，發(fā)表EI檢索及核心期刊論文多篇，獲得發(fā)明專利授權一項。指導學生參加技能大賽獲省一等獎以上十余次，獲百度人工智能菁英班優(yōu)秀指導教師等榮譽稱號多次。曾承擔深圳大學SPOC課程制作。2020年開發(fā)的全英文課程上線"學堂在線”國際版。

圖書目錄

第1章計算機視覺概述 1
1.1 從人類視覺系統(tǒng)到計算機視覺 1
1.2 計算機視覺與人工智能 7
1.3 計算機視覺應用 9
1.4 課后習題 13
1.5 本章小結 15
第2章系統(tǒng)環(huán)境搭建 16
2.1 項目1 搭建計算機視覺應用開發(fā)的系統(tǒng)環(huán)境 16
2.2 課后習題 35
2.3 本章小結 35
第3章圖像處理基礎 36
3.1 項目2 把logo貼到大圖右下角 36
3.2 課后習題 61
3.3 本章小結 64
第4章圖像濾波 65
4.1 項目3 交通視頻中的車道線檢測和繪制 65
4.2 課后習題 102
4.3 本章小結 106
第5章圖像特征提取和匹配 107
5.1 項目4 基于特征提取的logo定位 107
5.2 課后習題 120
5.3 本章小結 121
第6章圖像分割基礎 122
6.1 項目5 數(shù)獨圖像中題干已知數(shù)字的分割 122
6.2 課后習題 142
6.3 本章小結 144
第7章使用經(jīng)典機器學習方法的目標檢測和圖像分類 145
7.1 項目6 使用SVM完成圖片中的多車檢測 145
7.2 項目7 使用KNN識別印刷體數(shù)字 157
7.3 課后習題 165
7.4 本章小結 166
第8章基于深度學習的圖像分類基礎 167
8.1 項目8 基于全連接網(wǎng)絡的圖像分類 167
8.2 項目9 基于卷積神經(jīng)網(wǎng)絡（CNN）的圖像分類 187
8.3 課后習題 197
8.4 本章小結 199
第9章復雜深度學習項目的規(guī)范寫法 200
9.1 項目10 基于本地數(shù)據(jù)的貓狗圖像分類 200
9.2 課后習題 232
9.3 本章小結 232
第10章基于深度學習的物體追蹤 233
10.1 項目11 基于YOLOv3的行人追蹤 233
10.2 課后習題 246
10.3 本章小結 247
第11章基于深度學習的人臉相關應用 248
11.1 項目12 人臉檢測、人臉識別和表情識別 248
11.2 課后習題 295
11.3 本章小結 296
附錄A：術語表 297
附錄B：基于Ubuntu操作系統(tǒng)和CPU的系統(tǒng)環(huán)境搭建 300
附錄C：基于Ubuntu操作系統(tǒng)和GPU的系統(tǒng)環(huán)境搭建 303
附錄D：CPU下的TensorFlow和Python版本對應關系 311
附錄E：GPU下的TensorFlow、Python、CUDA和cuDNN版本對應關系 313