深度学习计算机视觉实战
全新正版 极速发货
￥ 43.47 4.4折 ￥ 99 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者肖铃
出版社电子工业出版社
ISBN9787121417597
出版时间2021-11
装帧平装
开本16开
定价99元
货号31232888
上书时间2024-06-30
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
肖铃，硕士，现任南方海洋科学与工程广东省实验室工程师。2016年毕业于中国科学技术大学与中国科学院合肥物质科学研究院安徽光机所大气光学研究中心，曾就职于中兴通讯股份有限公司和珠海金山办公软件有限公司，长期从事图像处理、深度学习计算机视觉算法，以及基于TensorFlowLite的AI模型部署研究。刘东，研究员，博士生导师。现任中国科学院合肥物质科学研究院安徽光机所大气光学研究中心副主任，曾在美国怀俄明大学大气科学系做博士后。主要从事大气光学和激光雷达大气探测研究工作，是国际激光大气探测协会（ICLAS）中国唯一委员，SKYNET国际委员会中国委员，安徽省气象学会副理事长。
目录
第1章 深度学习基础1
1.1 神经网络1
1.1.1 感知机1
1.1.2 神经网络原理2
1.2 卷积神经网络3
1.2.1 CNN基本操作3
1.2.2 CNN原理6
1.3 循环神经网络7
1.3.1 RNN7
1.3.2 LSTM与GRU8
1.4 经典网络9
1.4.1 AlexNet9
1.4.2 VGG10
1.4.3 GoogLeNet11
1.4.4 ResNet12
1.4.5 MobileNet13
1.5 进阶必备：如何学习深度学习
并“落地”求职16
1.5.1 深度学习如何快速入门16
1.5.2 深度学习行业求职技巧17
第2章 计算机视觉基础18
2.1 目标检测Two-stage算法18
2.1.1 R-CNN算法18
2.1.2 Fast R-CNN算法20
2.1.3 Faster R-CNN算法21
2.2 目标检测One-stage算法23
2.2.1 YOLO系列算法23
2.2.2 SSD算法29
2.3 图像分割算法31
2.3.1 FCN算法31
2.3.2 U-Net算法33
2.3.3 DeepLab系列算法34
2.3.4 Mask R-CNN算法37
2.4 进阶必备：计算机视觉方向知多少38
第3章 基础图像处理40
3.1 线性滤波40
3.1.1 案例1：使用方框滤波41
3.1.2 案例2：使用均值滤波46
3.1.3 案例3：使用高斯滤波48
3.2 非线性滤波50
3.2.1 案例4：使用中值滤波例50
3.2.2 案例5：使用双边滤波52
3.3 OpenCV形态学运算54
3.3.1 案例6：进行膨胀操作55
3.3.2 案例7：进行腐蚀操作57
3.3.3 案例8：使用形态学运算58
3.4 案例9：使用漫水填充63
3.5 图像金字塔67
3.5.1 案例10：使用高斯金字塔67
3.5.2 案例11：使用拉普拉斯
金字塔70
3.6 阈值化73
3.6.1 案例12：使用基本阈值74
3.6.2 案例13：使用自适应阈值78
3.7 进阶必备：选择一款合适的图像处理工具80
3.7.1 OpenCV80
3.7.2 Matlab81
第4章 图像变换83
4.1 边缘检测83
4.1.1 案例14：Sobel算法83
4.1.2 案例15：Scharr算法87
4.1.3 案例16：Laplacian算法90
4.1.4 案例17：Canny算法91
4.2 案例18：绘制轮廓94
4.3 霍夫变换97
4.3.1 案例19：霍夫线变换97
4.3.2 案例20：霍夫圆变换101
4.4 案例21：重映射103
4.5 案例22：仿射变换106
4.6 案例23：透视变换109
4.7 直方图111
4.7.1 案例24：直方图的计算
与绘制111
4.7.2 案例25：直方图均衡化113
4.8 进阶必备：图像变换应用之文本
图像矫正114
4.8.1 图像变换知识总结114
4.8.2 案例26：文本图像矫正115
第5章 角点检测117
5.1 案例27：Harris角点检测117
5.2 案例28：Shi-Tomasi角点检测119
5.3 案例29：亚像素级角点检测122
5.4 进阶必备：角点检测知识总结125
第6章 特征点检测与匹配127
6.1 特征点检测127
6.1.1 opencv-contrib环境安装127
6.1.2 案例30：SIFT特征点检测130
6.1.3 案例31：SURF特征点检测137
6.2 特征匹配139
6.2.1 案例32：BruteForce匹配139
6.2.2 案例33：FLANN匹配146
6.3 案例34：ORB特征提取148
6.4 进阶必备：利用特征点拼接图像151
6.4.1 特征点检测算法汇总151
6.4.2 案例35：基于特征点检测与
匹配的图像拼接151
第7章 手写数字识别155
7.1 Keras的应用155
7.1.1 Keras模型155
7.1.2 Keras层156
7.1.3 模型编译157
7.1.4 模型训练158
7.2 LeNet算法159
7.3 案例36：使用Keras实现手写数字识别160
7.3.1 模型训练160
7.3.2 手写数字识别模型推理164
7.4 进阶必备：算法模型开发流程167
7.4.1 数据准备167
7.4.2 网络搭建169
7.4.3 模型训练170
第8章 CIFAR-10图像分类171
8.1 图像分类数据集171
8.1.1 CIFAR-10数据集和
CIFAR-100数据集171
8.1.2 ImageNet数据集172
8.1.3 PASCAL VOC数据集173
8.2 案例37：CIFAR-10图像分类173
8.2.1 模型训练过程174
8.2.2 模型推理179
8.3 进阶必备：COCO数据集与使用
HOGTSVM方法实现图像分类180
8.3.1 COCO数据集180
8.3.2 案例38：使用HOG+SVM
方法实现图像分类180
第9章 验证码识别184
9.1 TensorFlow应用184
9.1.1 案例39：TensorFlow的
基本使用184
9.1.2 TensorFlow的常用模块186
9.2 案例40：验证码识别188
9.2.1 生成验证码图片188
9.2.2 基于TensorFlow的
验证码识别189
9.3 进阶必备：算法模型开发技巧194
9.3.1 数据预处理技巧194
9.3.2 网络搭建技巧195
9.3.3 模型训练技巧196
第10章 文本检测实战197
10.1 文本检测算法197
10.1.1 CTPN算法198
10.1.2 EAST算法200
10.2 案例41：基于EAST算法的文本检测202
10.2.1 数据预处理202
10.2.2 网络搭建205
10.2.3 模型训练212
10.2.4 文本检测验证217
10.3 进阶必备：在不同场景下文本检测的
应对方式218
10.3.1 复杂场景文本检测219
10.3.2 案例42：使用形态学运算
实现简单场景文本检测220
10.3.3 案例43：使用MSER+NMS
实现简单场景文本检测223
第11章 文本识别实战226
11.1 文本识别算法226
11.1.1 CRNN算法226
11.1.2 Attention OCR算法229
11.2 案例44：基于C-RNN算法的
文本识别231
11.2.1 数据预处理231
11.2.2 网络搭建232
11.2.3 模型训练236
11.2.4 文本识别验证237
11.3 进阶必备：单字OCR238
11.3.1 OCR探究238
11.3.2 案例45：文本图片
字符切割238
第12章 TensorFlow Lite244
12.1 TensorFlow Lite介绍244
12.1.1 TensorFlow Lite基础245
12.1.2 TensorFlow Lite源码分析246
12.2 模型转换248
12.2.1 FlatBuffers文件格式248
12.2.2 案例46：其他格式
转换为.tflite模型250
12.3 模型量化252
12.3.1 案例47：量化感知训练252
12.3.2 案例48：训练后量化255
12.4 进阶必备：模型转换与
模型部署优化答疑257
12.4.1 模型转换问题257
12.4.2 模型部署优化258
第13章 基于TensorFlow Lite的AI
功能部署实战260
13.1 部署流程260
13.2 案例49：移动端部署261
13.2.1 搭建开发环境262
13.2.2 编译运行项目262
13.2.3 调用过程解析264
13.3 PC端部署266
13.3.1 案例50：Windows端部署266
13.3.2 案例51：Linux端部署278
13.3.3 案例52：ARM平台部署282
13.3.4 案例53：MIPS平台部署285
13.4 进阶必备：推理框架拓展与
OpenCV编译部署286
13.4.1 其他深度学习推理框架286
13.4.2 OpenCV编译286
内容摘要
本书是一本看懂计算机视觉的实战指南，使用理论与实践相结合的思想，真正一站式搞定理论学习、算法开发到模型部署上线。 全书内容共分为四个部分。第一部分包括第1、2章，主要讲解深度学习和计算机视觉基础，如计算机视觉领域的经典网络和常见的目标检测算法；第二部分包括第3～6章，主要讲解图像处理知识，结合应用案例，对知识点进行分析说明；第三部分包括第7～11章，主要讲解计算机视觉中的实战项目，对实现细节做了追本溯源的讲解；第四部分包括第12～13章，主要讲解模型的落地部署，该部分的讲解基于TensorFlowLite框架，该框架受众广、热度高，且在各种平台都有对应的支持与优化加速方案，方便读者使用。 本书中的上百个知识点与50多个案例都是作者工程应用中的经验总结，每章末尾均有\\\"进阶必备”，给读者提供更多的拓展知识。本书适合计算机视觉的初学者、计算机视觉算法开发人员、对深度学习有兴趣的用户或者亟须工程落地使用的用户，也适合作为高校相关专业的学生教材使用。
主编推荐
一本透彻讲解计算机视觉的实战图书，通过近60个大中型案例，详细讲解了计算机视觉中的深度学习算法、理论和关键技术实现。快速帮助在计算机视觉领域的读者掌握相关的理论知识，以及通过相应的案例实操从而快速上手，书中的上百个计算机视觉知识点，有C++和Python双语言支持，不仅适用于直接使用Python的用户，也能帮助C++用户快速进阶。
— 没有更多了 —
以下为对购买帮助不大的评价