计算机视觉案例教程
正版保障 假一赔十 可开发票
￥ 38.94 6.6折 ￥ 59 全新
库存17件
广东广州
认证卖家担保交易快速发货售后保障
作者刘小华[等]主编
出版社电子工业出版社
ISBN9787121459221
出版时间2023-08
装帧平装
开本其他
定价59元
货号13365678
上书时间2024-09-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘小华，深职院人工智能学院软件技术专业主任，主要从事人工智能技术的教学和科研工作。开发的软件系统从2004年起在深职院使用至今，累计承担省、市、校各级教学科研课题十余项，发表EI检索及核心期刊论文多篇，获得发明专利授权一项。指导学生参加技能大赛获省一等奖以上十余次，获百度人工智能菁英班优秀指导教师等荣誉称号多次。曾承担深圳大学SPOC课程制作。2020年开发的全英文课程上线"学堂在线”国际版。
目录
第1章 计算机视觉概述 1 1.1 从人类视觉系统到计算机视觉 1 1.2 计算机视觉与人工智能 7 1.3 计算机视觉应用 9 1.4 课后习题 13 1.5 本章小结 15 第2章 系统环境搭建 16 2.1 项目1 搭建计算机视觉应用开发的系统环境 16 2.2 课后习题 35 2.3 本章小结 35 第3章 图像处理基础 36 3.1 项目2 把logo贴到大图右下角 36 3.2 课后习题 61 3.3 本章小结 64 第4章 图像滤波 65 4.1 项目3 交通视频中的车道线检测和绘制 65 4.2 课后习题 102 4.3 本章小结 106 第5章 图像特征提取和匹配 107 5.1 项目4 基于特征提取的logo定位 107 5.2 课后习题 120 5.3 本章小结 121 第6章 图像分割基础 122 6.1 项目5 数独图像中题干已知数字的分割 122 6.2 课后习题 142 6.3 本章小结 144 第7章 使用经典机器学习方法的目标检测和图像分类 145 7.1 项目6 使用SVM完成图片中的多车检测 145 7.2 项目7 使用KNN识别印刷体数字 157 7.3 课后习题 165 7.4 本章小结 166 第8章 基于深度学习的图像分类基础 167 8.1 项目8 基于全连接网络的图像分类 167 8.2 项目9 基于卷积神经网络（CNN）的图像分类 187 8.3 课后习题 197 8.4 本章小结 199 第9章 复杂深度学习项目的规范写法 200 9.1 项目10 基于本地数据的猫狗图像分类 200 9.2 课后习题 232 9.3 本章小结 232 第10章 基于深度学习的物体追踪 233 10.1 项目11 基于YOLOv3的行人追踪 233 10.2 课后习题 246 10.3 本章小结 247 第11章 基于深度学习的人脸相关应用 248 11.1 项目12 人脸检测、人脸识别和表情识别 248 11.2 课后习题 295 11.3 本章小结 296 附录A：术语表 297 附录B：基于Ubuntu操作系统和CPU的系统环境搭建 300 附录C：基于Ubuntu操作系统和GPU的系统环境搭建 303 附录D：CPU下的TensorFlow和Python版本对应关系 311 附录E：GPU下的TensorFlow、Python、CUDA和cuDNN版本对应关系 313
内容摘要
计算机视觉是一门研究和应用学科，它研究如何使用计算机来处理和理解图像与视频，该研究领域涵盖了从图像采集和处理到图像分析和识别等多项技术。它的目标是使计算机能够像人类一样理解视觉信息，并且能够自动执行视觉任务。本书是一本以应用为导向的计算机视觉案例教材，全书共分11章。第1章讲述计算机视觉概述；第2章讲述系统环境搭建；第3章主要讲述图像处理基础；第4章主要讲述图像滤波；第5章讲述图像特征提取和匹配；第6章讲述图像分割基础；第7章讲述基于经典机器学习的图像分类；第8章讲述基于全连接网络和卷积神经网络的图像分类基础；第9章讲述基于卷积神经网络的图像分类程序的规范写法；第10章讲述基于YOLO的目标检测和物体追踪；第11章讲述基于深度学习的人脸检测、人脸识别和表情识别。前7章主要讲述必要的理论基础和基于经典机器学习的计算机视觉；后4章主要讲述基于深度学习的计算机视觉。学习本书学生有必要的Python基础知识即可，无须事先学习深度学习课程，优选具备一定的机器学习基础。本书希望做到：知识技能较系统，写法深入浅出，案例有较好的实用性；能帮助学生入门，能帮助学生树立解决问题的信心。
主编推荐
"? 注重基础知识和技能的系统性。作者深入研究了国内外知名课程平台上计算机视觉类课程，提炼出了这些课程中的共性知识与技能。本书内容既有图像处理的入门知识，又有结合经典机器学习的应用案例，还有与卷积神经网络紧密结合的应用案例。 ? 注重综合案例的工程化水平。书中部分案例已不是“玩具”案例，作者努力把部分中大型项目中的关键技巧写出来。 ? 注重总结和对比。这使得本书既适合入门，又适合有一定基础的学生进行章节选读。 ? 注重内涵和细节。书中有足够的“干货”，例如，结合可靠的应用研究者的研究结论，GPU在应用项目中的使用等。 ? 本书结构体例采用案例式写法，但如果仅写案例，则容易造成基础知识、基本技能的不系统，所以作者在每章的知识链接中对相关基础知识和技能进行了较系统的阐述，同时又不会过分偏离案例主题。在写作案例时，不仅有翔实的步骤，还重视解题思路研究和难点剖析，强调代码不同部分之间的联系，注重逻辑的完备性。"
精彩内容
计算机视觉是一门研究和应用学科，它研究如何使用计算机来处理和理解图像与视频，该研究领域涵盖了从图像采集和处理到图像分析和识别等多项技术。它的目标是使计算机能够像人类一样理解视觉信息，并且能够自动执行视觉任务。本书是一本以应用为导向的计算机视觉案例教材，全书共分11章。第1章讲述计算机视觉概述；第2章讲述系统环境搭建；第3章主要讲述图像处理基础；第4章主要讲述图像滤波；第5章讲述图像特征提取和匹配；第6章讲述图像分割基础；第7章讲述基于经典机器学习的图像分类；第8章讲述基于全连接网络和卷积神经网络的图像分类基础；第9章讲述基于卷积神经网络的图像分类程序的规范写法；第10章讲述基于YOLO的目标检测和物体追踪；第11章讲述基于深度学习的人脸检测、人脸识别和表情识别。前7章主要讲述必要的理论基础和基于经典机器学习的计算机视觉；后4章主要讲述基于深度学习的计算机视觉。学习本书学生有必要的Python基础知识即可，无须事先学习深度学习课程，优选具备一定的机器学习基础。本书希望做到：知识技能较系统，写法深入浅出，案例有较好的实用性；能帮助学生入门，能帮助学生树立解决问题的信心。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价