计算机视觉理论与实践
￥ 28.67 5.3折 ￥ 54 九五品
仅1件
作者刘家瑛,杨帅,杨文瀚,段凌宇
出版社高等教育出版社
ISBN9787040574463
出版时间2022-10
版次1
装帧平装
开本16开
纸张胶版纸
页数414页
字数99999千字
定价54元
上书时间2024-09-11
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:计算机视觉理论与实践
定价：54.00元
作者:刘家瑛,杨帅,杨文瀚,段凌宇
出版社：高等教育出版社
出版日期：2022-10-01
ISBN：9787040574463
字数：490000
页码：414
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
《计算机视觉理论与实践》面向计算机视觉，聚焦算法理论与代码实践，简要介绍了计算机视觉的基本概念和计算机视觉研究的预备知识，分别讲述了图像分类、检测、生成、复原、增强、风格化与视频处理等计算机视觉领域的研究重点，深入浅出地介绍了现今已经成熟的算法和技术，并在各个章节辅以大量实例与核心代码详细展示如何使用主流框架搭建计算机视觉模型，对相关算法内容进行有效的补充和深入。通过理论与实践的结合，读者能够打下较为坚实的计算机视觉基础，熟悉经典算法框架，具备实现和改进成熟算法的能力，为进一步在计算机视觉和相关领域提出新设想、开发新算法、解决新问题创造良好的条件。 《计算机视觉理论与实践》可作为人工智能专业和计算机类相关专业的本科生或研究生学习计算机视觉的教材，也可作为对计算机视觉技术感兴趣的科技人员、计算机爱好者及各娄自学人员的参考书。
目录
章 引言1．1 计算机视觉的基本概念1．2 生活中的计算机视觉1．2．1 对象识别1．2．2 图像美化1．2．3 图像生成1．3 图像匹配：从SIFT到深度学习1．3．1 基于特征的方法1．3．2 基于深度学习的方法1．4 图像风格化概述：从传统到学习1．5 章节内容介绍第2章 图像处理基础2．1 图像的获取与表示2．1．1 数字图像成像原理2．1．2 图像表示2．2 图像重采样与插值2．3 空域变换2．3．1 灰度变换2．3．2 空域滤波2．4 频域变换2．4．1 从空域到频域2．4．2 傅里叶级数与傅里叶变换2．4．3 频域滤波器应用2．5 从图像到视觉2．5．1 图像梯度2．5．2 图像边缘2．5．3 霍夫变换实践01：图像去噪：非局部均值实践02：边缘检测实践03：霍夫变换检测圆实践04：二值化分割：OTSU算法第3章 神经网络与深度学习基础3．1 神经网络的生物学基础3．2 人工神经元3．2．1 神经元的数学抽象3．2．2 感知机模型3．2．3 激活函数3．2．4 多层感知机3．3 训练人工神经网络3．3．1 反向传播3．3．2 损失函数3．3．3 正则化约束3．4 卷积神经网络3．5 循环神经网络实践05：实现一个简单的实用神经网络实践06：自定义网络层实践07：循环神经网络的构建与训练实践08：深度学习软硬件框架第4章 图像分类4．1 图像分类基本原理4．2 传统图像分类方法4．2．1 特征提取4．2．2 分类器4．3 神经网络图像分类方法4．3．1 基本原理4．3．2 网络设计与结构演进4．4 图像分类中的新挑战4．4．1 细粒度图像分类4．4．2 无监督学习图像分类4．4．3 零样本学习图像分类4．4．4 领域自适应学习图像分类实践09：MNIST手写数字分类实践10：CIFAR-100分类实践11：注意力机制实现实践12：自监督与领域自适应图像分类第5章 目标检测5．1 目标检测基本原理5．1．1 问题描述5．1．2 应用场景5．2 传统目标检测方法5．2．1 滑动窗口5．2．2 特征提取5．2．3 分类器5．3 神经网络目标检测方法5．3．1 基本原理5．3．2 两阶段目标检测方法网络设计与结构演进5．3．3 单阶段实时目标检测方法网络设计与结构演进5．4 目标检测中的新挑战5．4．1 零/小样本学习目标检测5．4．2 迁移学习目标检测5．4．3 恶劣环境目标检测实践13：传统目标检测器实现实践14：神经网络目标检测器实现实践15：两阶段神经网络目标检测器实现实践16：恶劣环境目标检测器实现第6章 图像生成6．1 深度生成模型6．1．1 方法概览6．1．2 变分自编码器6．1．3 生成对抗网络6．2 生成质量评估6．2．1 inceptioscore6．2．2 FID6．3 应用：图像转换方法6．3．1 监督的图像转换6．3．2 无监督的图像转换实践17：变分自编码器实践18：深度卷积生成对抗网络实践19：监督图像转换网络实践20：无监督图像转换网络第7章 图像复原增强7．1 图像复原增强的概念7．1．1 成像原理与问题描述7．1．2 应用场景7．2 图像质量评价7．2．1 图像质量主观评价7．2．2 图像质量客观评价7．3 传统图像增强7．3．1 多项式函数估计图像插值7．3．2 隐式的基于边缘的图像插值7．3．3 显式的基于等照度线的图像插值7．3．4 传统图像低光照增强7．3．5 传统图像去雨7．4 深度学习图像增强7．4．1 图像超分辨率问题定义7．4．2 超分辨率卷积神经网络重建7．4．3 极深超分辨率重建7．4．4 快速超分辨率重建7．4．5 超分辨率生成对抗网络7．4．6 基于深度学习的低光照图像增强7．4．7 基于Retinex模型的低光照图像增强7．4．8 基于深度学习的去雨7．4．9 基于区域感知的单张图像联合雨检测与去除7．5 无监督/自学习图像增强7．5．1 自监督超分辨率重建7．5．2 无监督图像去噪实践21：SRCNN的实现实践22：图像雨雾去除实践23：RetinexNet低光照图像增强……第8章 图像风格化第9章 视频——运动的图像参考文献
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价