本书着重阐述了深度学习时代的计算机视觉算法的工作原理，首先对深度学习与计算机视觉基础进行了介绍，之后对卷积神经网络结构的演化过程，以及基于深度学习的目标检测算法、图像分割算法、...
电子书
内容简介
本书以深度学习在计算机视觉领域的常用技术与案例相结合的方式，深入浅出地介绍计算机视觉的常见任务及实现技术。全书共7章，内容包含概述、图像处理基本操作、深度学习视觉基础任务、基于FaceNet的人脸识别实战、基于Faster R-CNN的目标检测实战、基于U-Net的城市道路场景分割实战、基于SRGAN的图像超分辨率技术实战等。本书大部分章包含操作实践代码和课后习题，希望能够帮助读者在计算机视觉基础任务中应用算法，巩固所学内容。 本书可以作为高校人工智能相关专业教材，也可以作为从事计算机视觉技术研究的从业者和科技人员的参考用书。对于有一定基础和经验的读者，本书也能帮助他们查漏补缺，深入理解和掌握相关原理及方法，提升解决实际问题的能力。
章节目录
- 第 1 章 概述
- 1.1 计算机视觉与深度学习
- 1.1.1 计算机视觉
- 1.1.2 深度学习
- 1.2 深度学习的计算机视觉应用
- 1.2.1 人脸识别
- 1.2.2 图像分类
- 1.2.3 目标检测
- 1.2.4 图像分割
- 1.2.5 姿态估计
- 1.2.6 场景识别
- 1.2.7 目标跟踪
- 1.2.8 动作识别
- 1.2.9 黑白照片自动着色
- 1.2.10 图像风格转移
- 1.3 相关Python 库
- 1.3.1 深度学习框架
- 1.3.2 图像处理库
- 小结
- 课后习题
- 第 2 章 图像处理基本操作
- 2.1 读写图像
- 2.1.1 常用图像类型
- 2.1.2 读取图像
- 2.1.3 显示图像
- 2.1.4 保存图像
- 2.2 图像颜色空间
- 2.2.1 常用颜色空间简介
- 2.2.2 颜色空间转换
- 2.3 图像几何变换
- 2.3.1 图像平移
- 2.3.2 图像缩放
- 2.3.3 图像旋转
- 2.3.4 图像仿射
- 2.4 图像增强
- 2.4.1 灰度级修正
- 2.4.2 图像平滑
- 2.4.3 图像锐化
- 小结
- 课后习题
- 第 3 章 深度学习视觉基础任务
- 3.1 深度神经网络
- 3.2 卷积神经网络
- 3.2.1 卷积层
- 3.2.2 池化层
- 3.2.3 全连接层
- 3.2.4 卷积神经网络训练过程
- 3.3 图像分类
- 3.3.1 图像分类简介
- 3.3.2 图像分类经典算法
- 3.3.3 训练图像分类网络
- 3.4 目标检测
- 3.4.1 目标检测简介
- 3.4.2 目标检测经典算法
- 3.4.3 训练目标检测网络
- 3.5 图像分割
- 3.5.1 图像分割简介
- 3.5.2 图像分割经典算法
- 3.5.3 训练图像分割网络
- 3.6 图像生成
- 3.6.1 图像生成简介
- 3.6.2 图像生成经典算法
- 3.6.3 训练图像生成器网络
- 小结
- 课后习题
- 第 4 章 基于FaceNet 的人脸识别实战
- 4.1 背景与目标
- 4.1.1 背景
- 4.1.2 目标
- 4.1.3 项目工程结构
- 4.2 流程与步骤
- 4.2.1 人脸检测
- 4.2.2 人脸对齐
- 4.2.3 人脸特征提取
- 4.2.4 人脸特征匹配
- 4.3 结果分析
- 小结
- 课后习题
- 第 5 章 基于Faster R-CNN 的目标检测实战
- 5.1 背景与目标
- 5.1.1 背景
- 5.1.2 目标
- 5.1.3 项目工程结构
- 5.2 流程与步骤
- 5.2.1 数据准备
- 5.2.2 定义Faster R-CNN 配置信息类
- 5.2.3 生成先验锚框
- 5.2.4 定义损失函数
- 5.2.5 训练网络
- 5.3 结果分析
- 小结
- 课后习题
- 第 6 章 基于U-Net 的城市道路场景分割实战
- 6.1 背景与目标
- 6.1.1 背景
- 6.1.2 目标
- 6.1.3 项目工程结构
- 6.2 流程与步骤
- 6.2.1 数据准备
- 6.2.2 搭建U-Net
- 6.2.3 定义损失函数
- 6.2.4 训练网络
- 6.3 结果分析
- 小结
- 课后习题
- 第 7 章 基于SRGAN 的图像超分辨率技术实战
- 7.1 背景与目标
- 7.1.1 背景
- 7.1.2 目标
- 7.1.3 项目工程结构
- 7.2 流程与步骤
- 7.2.1 数据准备
- 7.2.2 搭建SRGAN
- 7.2.3 定义SRGAN 损失函数
- 7.2.4 训练网络
- 7.3 结果分析
- 小结
- 课后习题
展开全部
深度学习与计算机视觉实战是2023年由人民邮电出版社出版,作者主编。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《深度学习与计算机视觉实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
本书着重阐述了深度学习时代的计算机视觉算法的工作原理，首先对深度学习与计算机视觉基础进行了介绍，之后对卷积神经网络结构的演化过程，以及基于深度学习的目标检测算法、图像分割算法、...
电子书
本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数...
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类...
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍...
电子书
机器学习是人工智能领域一个极其重要的研究方向，而深度学习则是机器学习中一个非常接近AI的分支，其思路在于建立进行分析学习的神经网络，模仿人脑感知与组织的方式，根据输入数据做出决...
电子书
本书摒弃了枯燥的理论推导，以大量实战应用案例及知识模块等内容帮助机器学习领域的初、中级程序员踏实通过深度学习的技术门槛，切实提升开发技能，积累开发经验。实战应用案例丰富，深入浅...