【假一罚四】图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）扶松柏
集团直发，全新正版书籍，假一罚四，放心选购。可开发票
￥ 60.7 6.8折 ￥ 89 全新
库存17件
作者扶松柏
出版社清华大学出版社有限公司
ISBN9787302594086
出版时间2021-11
装帧平装
开本16开
定价89元
货号11399959
上书时间2024-07-13
- 店主推荐
- 最新上架
![【全新正版，假一罚四】老友、爱人和大麻烦[加] 马修·派瑞9787544798501译林](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/19363336/ec517fa93239f8f3_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
前言
图像识别是人工智能的一个重要领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，并能对质量不佳的图像进行一系列的增强与重建技术手段，从而有效改善图像质量。
随着计算机及信息技术的迅速发展，图像识别技术的应用逐渐扩展到多个领域，尤其是在面部及指纹识别、卫星云图识别及临床医疗诊断等方面都日益发挥着重要作用。此外在日常生活中，图像识别技术的应用也十分普遍，比如车牌捕捉、商品条码识别及手写识别等。随着图像识别技术的逐渐发展并不断完善，未来它将具有更加广泛的应用前景。
本书的特色
1．内容全面
本书详细讲解Python图像视觉识别所需要的开发技术，循序渐进地讲解了这些技术的使用方法和技巧，帮助读者快速步入Python数据分析的高手之列。
2．实例驱动教学
本书采用理论加实例的教学方式，通过实例实现了知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以用不同的方式展现一个知识点的用法，真正实现了拔高的教学效果。
3．详细介绍图像视觉识别的流程
本书从一开始便对图像视觉识别的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的数据分析项目案例，带领读者掌握Python图像视觉识别的相关知识，以解决实际工作中的问题。
4．扫描二维码，获取配书学习资源
本书正文中每个二级标题后都放了一个二维码，读者可通过该二维码在线观看视频讲解，帮助读者深入理解书中的案例，提升学习效率。此外，读者还可以扫描下方的二维码获取书中案例源代码。
5．贴心提示和注意事项提醒
本书根据需要在各章安排了很多“注意”“说明”和“技巧”等小板块，让读者可以在学习过程中更轻松地理解相关知识点及概念，更快地掌握个别技术的应用技巧。
本书内容
本书读者对象
软件工程师。
Python语言初学者。
专业图像视觉识别人员。
数据库工程师和管理员。
研发工程师。
大学及中学教育工作者。
致谢
本书在编写过程中，得到了清华大学出版社各位编辑的大力支持，正是各位专业人士的求实、耐心和效率，才使得本书能够在这么短的时间内出版。另外也十分感谢我的家人给予的巨大支持。本人水平毕竟有限，书中存在纰漏之处在所难免，真诚感谢读者提出的宝贵意见或建议，以便修订并使之更臻完善。
后感谢您购买本书，希望本书能成为您编程路上的领航者，祝您阅读快乐！编 者
【免费在线读】
商品简介《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别ping台，AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现)，基于深度学习的AI人脸识别系统(Flask OpenCV-Python Keras Sklearn实现)，AI考勤管理系统(face-recognition Matplotlib Django Scikit-Learn dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。 《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水ping的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。
作者简介
扶松柏，华中科技大学计算机硕士，通信工程硕士，Python开发工程师，Android开发工程师，热衷于移动开底层系统架构、驱动开发、AI开发的研究和具体工作，对Python人工智能的架构设计和实现原理有非常深刻的认识和理解，应用开发经验也十分丰富。
目录
第1章 图像识别技术基础 1
1.1 图像识别概述 2
1.1.1 什么是图像识别 2
1.1.2 图像识别的应用 2
1.2 图像识别原理 3
1.3 图像识别技术 4
1.3.1 AI(人工智能) 5
1.3.2 机器学习 5
1.3.3 深度学习 6
1.3.4 基于神经网络的图像识别 6
1.3.5 基于非线性降维的图像识别 7
第2章 scikit-image数字图像处理 9
2.1 scikit-image基础 10
2.1.1 安装scikit-image 10
2.1.2 scikit-image中的模块 10
2.2 显示图像 11
2.2.1 使用skimage读入并显示外部图像 11
2.2.2 读取并显示外部灰度图像 12
2.2.3 显示内置星空图片 13
2.2.4 读取并保存内置星空图片 14
2.2.5 显示内置星空图片的基本信息 15
2.2.6 实现内置猫图片的红色通道的效果 16
2.3 常见的图像操作 17
2.3.1 对内置猫图片进行二值化操作 17
2.3.2 对内置猫图片进行裁剪处理 18
2.3.3 将RGB图转换为灰度图 19
2.3.4 使用skimage实现绘制图片功能 20
2.3.5 使用subplot()函数绘制多视图窗口 20
2.3.6 使用subplots()函数绘制多视图窗口 22
2.3.7 改变指定图片的大小 24
2.3.8 使用函数rescale()缩放图片 25
2.3.9 使用函数rotate()旋转图片 25
第3章 OpenCV图像视觉处理 27
3.1 OpenCV基础 28
3.1.1 OpenCV介绍 28
3.1.2 OpenCV-Python介绍 28
3.1.3 安装OpenCV-Python 29
3.2 OpenCV-Python图像操作 29
3.2.1 读取并显示图像 29
3.2.2 保存图像 31
3.2.3 在Matplotlib中显示图像 32
3.2.4 绘图 33
3.2.5 将鼠标作为画笔 37
3.2.6 调色板程序 38
3.2.7 基本的属性操作 40
3.2.8 图像的几何变换 42
3.2.9 图像直方图 45
3.2.10 特征识别：Harris(哈里斯)角检测 49
3.3 OpenCV-Python视频操作 51
3.3.1 读取视频 51
3.3.2 播放视频 53
3.3.3 保存视频 54
3.3.4 改变颜色空间 55
3.3.5 视频的背景分离 56
3.4 简易车牌识别系统 59
3.4.1 系统介绍 59
3.4.2 通用程序 59
3.4.3 主程序 64
第4章 dlib机器学习和图像处理算法 67
4.1 dlib介绍 68
4.2 dlib基本的人脸检测 68
4.2.1 人脸检测 68
4.2.2 使用命令行的人脸识别 70
4.2.3 检测人脸关键点 72
4.2.4 基于CNN的人脸检测器 74
4.2.5 在摄像头中识别人脸 76
4.2.6 人脸识别验证 77
4.2.7 全局优化 79
4.2.8 人脸聚类 81
4.2.9 抖动采样和增强 82
4.2.10 人脸和姿势采集 84
4.2.11 物体追踪 86
4.3 SVM分类算法 87
4.3.1 二进制SVM分类器 87
4.3.2 Ranking SVM算法 89
4.3.3 Struct SVM多分类器 92
4.4 自训练模型 95
4.4.1 训练自己的模型 95
4.4.2 自制对象检测器 98
第5章 face_recognition人脸识别 103
5.1 安装face_recognition 104
5.2 实现基本的人脸检测 104
5.2.1 输出显示指定人像人脸特征 104
5.2.2 在指定照片中识别标记出人脸 107
5.2.3 识别出照片中的所有人脸 108
5.2.4 判断在照片中是否包含某个人脸 111
5.2.5 识别出在照片中的人到底是谁 113
5.2.6 摄像头实时识别 114
5.3 深入face_recognition人脸检测 120
5.3.1 检测人脸眼睛的状态 120
5.3.2 模糊处理人脸 122
5.3.3 检测两个人脸是否匹配 123
5.3.4 识别视频中的人脸 125
5.3.5 网页版人脸识别器 127
第6章 Scikit-Learn机器学习和人脸识别 131
6.1 Scikit-Learn基础 132
6.1.1 Scikit-Learn介绍 132
6.1.2 安装Scikit-Learn 132
6.2 基于Scikit-Learn的常用算法 132
6.2.1 Scikit-Learn机器学习的基本流程 133
6.2.2 分类算法 134
6.2.3 聚类算法 137
6.2.4 分解算法 139
6.3 Scikit-Learn和人脸识别 144
6.3.1 SVM算法人脸识别 144
6.3.2 KNN算法人脸识别 145
6.3.3 KNN算法实时识别 151
第7章 TensorFlow机器学习和图像识别 155
7.1 TensorFlow基础 156
7.1.1 TensorFlow介绍 156
7.1.2 TensorFlow的优势 156
7.1.3 安装TensorFlow 157
7.2 创建第一个机器学习程序 160
7.2.1 在PyCharm环境实现 160
7.2.2 在Colaboratory环境实现 162
7.3 使用内置方法进行训练和评估 164
7.3.1 第一个端到端训练和评估示例 164
7.3.2 使用compile()训练模型 167
7.3.3 自定义损失 169
7.3.4 自定义指标 171
7.3.5 处理不适合标准签名的损失和指标 173
7.3.6 自动分离验证预留集 176
7.3.7 通过tf.data数据集进行训练和评估 177
7.3.8 使用样本加权和类加权 181
7.4 TensorFlow图像视觉处理 183
7.4.1 导入需要的库 183
7.4.2 导入 Fashion MNIST 数据集 184
7.4.3 浏览数据 186
7.4.4 预处理数据 186
7.4.5 构建模型 188
7.4.6 编译模型 189
7.4.7 训练模型 189
7.4.8 使用训练好的模型 195
第8章 国内常用的第三方人脸识别平台 197
8.1 百度AI开放平台 198
8.1.1 百度AI开放平台介绍 198
8.1.2 使用百度AI之前的准备工作 198
8.1.3 基于百度AI平台的人脸识别 203
8.2 科大讯飞AI开放平台 207
8.2.1 科大讯飞AI开放平台介绍 207
8.2.2 申请试用 208
8.2.3 基于科大讯飞AI的人脸识别 209
第9章 AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现) 217
9.1 需求分析 218
9.1.1 背景介绍 218
9.1.2 任务目标 218
9.2 模块架构 219
9.3 使用Qt Designer实现主窗口界面 220
9.3.1 设计系统UI主界面 220
9.3.2 将Qt Designer文件转换为Python文件 221
9.4 签到打卡、用户操作和用户组操作 225
9.4.1 设计UI界面 226
9.4.2 创建摄像头类 228
9.4.3 UI界面的操作处理 230
9.4.4 多线程操作和人脸识别 241
9.4.5 导出打卡签到信息 245
9.5 调试运行 247
第10章 基于深度学习的AI人脸识别系统(Flask+ OpenCV-Python+Keras+Sklearn实现) 251
10.1 系统需求分析 252
10.1.1 系统功能分析 252
10.1.2 实现流程分析 252
10.1.3 技术分析 253
10.2 照片样本采集 254
10.3 深度学习和训练 256
10.3.1 原始图像预处理 256
10.3.2 构建人脸识别模块 258
10.4 人脸识别 263
10.5 Flask Web人脸识别接口 264
10.5.1 导入库文件 264
10.5.2 识别上传照片 265
10.5.3 在线识别 267
第11章 AI考勤管理系统(face-recognition+Matplotlib+ Django+Scikit-Learn+dlib实现) 269
11.1 背景介绍 270
11.2 系统需求分析 270
11.2.1 可行性分析 270
11.2.2 系统操作流程分析 270
11.2.3 系统模块设计 271
11.3 系统配置 272
11.3.1 Django配置文件 272
11.3.2 路径导航文件 272
11.4 用户注册和登录验证 273
11.4.1 登录验证 273
11.4.2 添加新用户 275
11.4.3 设计数据模型 276
11.5 采集照片和机器学习 277
11.5.1 设置采集对象 277
11.5.2 采集照片 279
11.5.3 训练照片模型 281
11.6 考勤打卡 283
11.6.1 上班打卡签到 283
11.6.2 下班打卡 285
11.7 可视化考勤数据 287
11.7.1 统计最近两周的考勤数据 288
11.7.2 查看本人指定时间范围内的考勤统计图 292
11.7.3 查看某员工在指定时间范围内的考勤统计图 298
第12章 AI小区停车计费管理系统 303
12.1 背景介绍 304
12.2 系统功能分析和模块设计 304
12.2.1 功能分析 304
12.2.2 系统模块设计 305
12.3 系统GUI 305
12.3.1 设置基本信息 305
12.3.2 绘制操作按钮 306
12.3.3 绘制背景和文字 307
12.4 车牌识别和收费 308
12.4.1 登记业主的车辆信息 308
12.4.2 识别车牌 308
12.4.3 计算停车时间 309
12.4.4 识别车牌并计费 310
12.5 主程序 314
内容摘要
《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别平台，AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现)，基于深度学习的AI人脸识别系统(Flask+OpenCV-Python+Keras+Sklearn实现)，AI考勤管理系统(face-recognition+Matplotlib+Django+Scikit-Learn+dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。
《图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。
主编推荐
"《图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）》的特色如下： 内容丰富、案例典型：本书详细讲解Python图像视觉识别所需要的开发技术，采用理论加实例的教学方式，通过这些典型实例实现了对知识点的横向切入和纵向比较，从不同的方位展现一个知识点的用法，让读者获得更多的实践演练机会。 详解图像识别流程：本书从一开始便对图像视觉识别的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的项目案例，带领读者掌握Python图像视觉识别的相关知识，以解决实际工作中的问题。 扫码在线观看视频讲解：本书每个二级目录后面都放置了一个二维码，扫描二维码可以在线观看视频讲解，读者可以一边阅读图书，一边在线观看视频，提高学习效率，加深对书中案例的理解和应用。"
精彩内容
《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别平台，AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现)，基于深度学习的AI人脸识别系统(Flask+OpenCV-Python+Keras+Sklearn实现)，AI考勤管理系统(face-recognition+Matplotlib+Django+Scikit-Learn+dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。
媒体评论
《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》的特色如下：内容丰富、案例典型：本书详细讲解Python图像视觉识别所需要的开发技术，采用理论加实例的教学方式，通过这些典型实例实现了对知识点的横向切入和纵向比较，从不同的方位展现一个知识点的用法，让读者获得更多的实践演练机会。
详解图像识别流程：本书从一开始便对图像视觉识别的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的项目案例，带领读者掌握Python图像视觉识别的相关知识，以解决实际工作中的问题。
扫码在线观看视频讲解：本书每个二级目录后面都放置了一个二维码，扫描二维码可以在线观看视频讲解，读者可以一边阅读图书，一边在线观看视频，提高学习效率，加深对书中案例的理解和应用。
零基础由浅入深全面核心知识,实操演练图像识别的方法和流程,免费赠送视频案例和案例源代码
— 没有更多了 —
以下为对购买帮助不大的评价