国产91小宝寻花在线播放,日本熟妇乱子a片,亚洲aaaaa特级

免費咨詢熱線

400-615-1233

工作時間-工作日

8:30-17:30

Python計算機視覺應(yīng)用（全彩版）

意見反饋閱讀 0

需要更多信息,請聯(lián)系楊　洋

出版信息

類　　別：計算機系列
書　　名：Python計算機視覺應(yīng)用（全彩版）
主　　編：劉國華
定　　價：69.8
開　　本：大16開
印刷方式：四色
頁　　數(shù)：240
時　　間：2024年9月
出版社：上海交通大學出版社
書　　號：978-7-313-31548-9

內(nèi)容摘要

本書是依托Python語言講解計算機視覺的基礎(chǔ)理論與算法，并通過大量示例細致分析了圖像形成和處理技術(shù)、圖像特征提取、圖像分割、圖像測量、基于多幅圖像的立體視覺技術(shù)、深度學習等，特別強調(diào)了Python軟件在計算機視覺上的應(yīng)用方法，并給出了大量數(shù)字圖像處理技術(shù)的Python實現(xiàn)程序。另外，書中附帶的練習還能讓讀者鞏固并學會應(yīng)用編程知識。

本書可作為高等學校電子信息、信號與信息處理、計算機科學與技術(shù)等專業(yè)的教材，也適用于有一定編程與數(shù)學基礎(chǔ)，想要了解計算機視覺的基本理論與算法的讀者，以及信號處理、物理學、生物醫(yī)藥、機械電子、認知科學等領(lǐng)域的研究人員和從業(yè)者。

目錄

第1章圖像基本操作

1.1軟件安裝及環(huán)境配置

1.1.1Anaconda安裝

1.1.2Pycharm安裝

1.1.3在Python中安裝圖像處理庫

1.2使用PIL處理圖像

1.2.1讀取及保存圖像

1.2.2圖像區(qū)域的復(fù)制粘貼

1.2.3調(diào)整圖像尺寸和旋轉(zhuǎn)圖像

1.2.4其他圖像處理

1.3使用Matplotlib處理圖像

1.3.1在圖像中繪制點和線

1.3.2圖像輪廓和直方圖

1.4使用NumPy處理圖像

1.4.1圖像的數(shù)組化

1.4.2灰度變換

1.5使用SciPy處理圖像

1.5.1圖像模糊

1.5.2圖像導數(shù)

1.6使用scikitimage處理圖像

1.6.1圖像的旋流變換

1.6.2圖像的添噪

第2章傳統(tǒng)圖像處理方法

2.1圖像增強

2.1.1直方圖均衡化

2.1.2圖像的平滑

2.1.3圖像的銳化

2.2圖像分類

2.2.1特征提取

2.2.2分類器

2.2.3CIFAR10數(shù)據(jù)集分類

2.3目標檢測

2.3.1Harris角點檢測器

2.3.2斑點檢測器

2.3.3基于HOG特征的SVM檢測目標

2.4圖像分割

2.4.1基于閾值的圖像分割

2.4.2基于邊緣的圖像分割

2.4.3基于區(qū)域的圖像分割

第3章深度卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

3.1監(jiān)督學習和無監(jiān)督學習

3.1.1監(jiān)督學習

3.1.2無監(jiān)督學習

3.2欠擬合和過擬合

3.2.1欠擬合

3.2.2過擬合

3.3反向傳播

3.4損失和優(yōu)化

3.4.1損失函數(shù)

3.4.2優(yōu)化函數(shù)

3.5激活函數(shù)

3.5.1Sigmoid函數(shù)

3.5.2tanh函數(shù)

3.5.3ReLU函數(shù)

3.6卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

3.6.1卷積層

3.6.2池化層

3.6.3全連接層

第4章 PyTorch深度學習框架

4.1PyTorch框架簡介

4.1.1使用框架的必要性

4.1.2主流框架對比

4.1.3PyTorch的優(yōu)點

4.1.4PyTorch的架構(gòu)

4.2PyTorch環(huán)境配置與安裝

4.3PyTorch中的Tensor

4.3.1Tensor的創(chuàng)建

4.3.2Tensor的基本操作

4.4PyTorch常用模塊及庫

4.4.1torch.autograd模塊（自動求導）

4.4.2torch.nn模塊

4.4.3torch.optim模塊

4.4.4torchvision庫

4.5神經(jīng)網(wǎng)絡(luò)模型搭建與參數(shù)優(yōu)化

第5章計算機視覺應(yīng)用——圖像分類

5.1圖像分類簡介

5.2ResNet的基本原理

5.2.1ResNet的起源

5.2.2CNN網(wǎng)絡(luò)結(jié)構(gòu)中感受野的概念

5.2.3ResNet的基本網(wǎng)絡(luò)結(jié)構(gòu)

5.2.4ResNet模型的代碼實現(xiàn)

5.3訓練過程

5.3.1數(shù)據(jù)集準備

5.3.2圖像數(shù)據(jù)預(yù)處理

5.3.3訓練ResNet網(wǎng)絡(luò)

5.4模型結(jié)果評估

第6章計算機視覺應(yīng)用——2D目標檢測

6.1圖像目標檢測簡介

6.2兩階段式2D目標檢測算法Faster RCNN

6.2.1特征提取部分Conv layers

6.2.2候選區(qū)域網(wǎng)絡(luò)

6.2.3興趣域池化

6.2.4分類回歸部分

6.2.5Faster RCNN總結(jié)

6.3單階段式2D目標檢測網(wǎng)絡(luò)YOLOv5

6.3.1數(shù)據(jù)輸入

6.3.2特征提取網(wǎng)絡(luò)CSPDarkNet53

6.3.3FPN+PAN結(jié)構(gòu)

6.3.4YOLOv5中的錨框機制

6.3.5損失函數(shù)

6.3.6非極大值抑制

6.4目標檢測算法評價指標

6.4.1綜合指標

6.4.2PR曲線與ROC曲線

6.4.3均值平均精度

第7章計算機視覺應(yīng)用——3D目標檢測

7.13D目標檢測概述

7.2基于深度學習的3D目標檢測方法

7.2.1基于圖像的3D目標檢測

7.2.2基于LiDAR的3D目標檢測

7.2.3基于多傳感器的3D目標檢測

7.3經(jīng)典的3D目標檢測算法VoxelNet

7.4常用的3D目標檢測數(shù)據(jù)集及其評價指標

7.4.1KITTI數(shù)據(jù)集

7.4.2nuScenes數(shù)據(jù)集

7.4.3Waymo數(shù)據(jù)集

第8章計算機視覺應(yīng)用——語義分割

8.1圖像語義分割介紹

8.1.1圖像語義分割概述

8.1.2圖像語義分割的發(fā)展

8.2DeepLabV3+網(wǎng)絡(luò)基本原理

8.2.1DeepLab系列語義分割網(wǎng)絡(luò)發(fā)展概述

8.2.2DeepLabV3+網(wǎng)絡(luò)模型介紹

8.2.3主干特征提取網(wǎng)絡(luò)介紹與構(gòu)建

8.2.4ASPP加強特征提取網(wǎng)絡(luò)的構(gòu)建

8.2.5低層特征與深層特征的融合

8.2.6DeepLabV3+模型的整體網(wǎng)絡(luò)框架搭建

8.3模型訓練與評估

8.3.1數(shù)據(jù)集介紹

8.3.2網(wǎng)絡(luò)訓練

8.3.3訓練參數(shù)解析

8.3.4模型預(yù)測與評價指標計算

第9章計算機視覺應(yīng)用進階

9.1遷移學習

9.1.1遷移學習的基本概念

9.1.2遷移學習策略

9.1.3遷移學習實戰(zhàn)應(yīng)用

9.2注意力機制

9.2.1通道注意力機制

9.2.2空間注意力機制

9.2.3通道與空間混合注意力

9.2.4注意力機制優(yōu)化神經(jīng)網(wǎng)絡(luò)實戰(zhàn)

9.3模型壓縮

9.3.1模型剪枝

9.3.2知識蒸餾

9.3.3輕量化網(wǎng)絡(luò)

第10章計算機視覺應(yīng)用的其他任務(wù)

10.1深度估計

10.1.1單目深度估計

10.1.2雙目深度估計

10.1.3基于點云的深度估計

10.2目標跟蹤

10.2.1單目標跟蹤

10.2.2多目標跟蹤

10.3人體姿態(tài)估計

10.3.1單人姿態(tài)估計

10.3.2多人姿態(tài)估計

參考文獻

主編信息

劉國華，教授，從事計算機視覺、機器人控制技術(shù)、微型執(zhí)行器和先進檢測技術(shù)專業(yè)方向，近年來承擔國際合作項目1項，承擔天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計劃項目、天津市自然科學基金重點項目6項、企業(yè)合作項目5項，以及承擔教育部高教司產(chǎn)學合作協(xié)同育人項目3項。獲得2009年天津市科技進步二等獎1項，獲得天津工業(yè)大學教學名師獎，獲得中國紡織工業(yè)聯(lián)合會“紡織之光”教學成果獎一等獎1項、二等獎1項、三等獎1項、天津工業(yè)大學校級教學成果獎一等獎4項，2022年獲香港桑麻基金會桑麻獎教金，出版教材專著6部，在高水平刊物上發(fā)表研究論文50余篇，其中SCI檢索12篇。

相關(guān)圖書

Python程序設(shè)計簡明教程

主編：張春飛

本書分為10章，內(nèi)容包括Python語言概述、初識Python、選擇結(jié)構(gòu)與循環(huán)結(jié)構(gòu)、Python組合數(shù)據(jù)類型、函數(shù)、面向?qū)ο蟪绦蛟O(shè)計、模塊及第
￥49.9
Python數(shù)據(jù)挖掘技術(shù)

主編：孫玉榮張佳

本書主要介紹數(shù)據(jù)挖掘的基本技術(shù)和應(yīng)用，全書共分11章，主要內(nèi)容包括數(shù)據(jù)挖掘概述、Python數(shù)據(jù)挖掘基礎(chǔ)、數(shù)據(jù)獲取與預(yù)處理技術(shù)、數(shù)
￥49.8
Python程序設(shè)計

主編：金松林

本書深入淺出地介紹了Python編程語言的基礎(chǔ)知識及簡單的數(shù)據(jù)處理技術(shù)。全書共分10章，主要內(nèi)容包括初識Python，數(shù)據(jù)類型、變量與運
￥45
Python數(shù)據(jù)分析與應(yīng)用

主編：吳濤徐光俠劉俊

本書從實際應(yīng)用出發(fā)，側(cè)重對學生實踐能力的培養(yǎng)。全書共分9章，內(nèi)容包括數(shù)據(jù)分析基礎(chǔ)、Python編程語言、數(shù)據(jù)分析過程、回歸與預(yù)測
￥45

<label id="mh7nt"><big id="mh7nt"><tbody id="mh7nt"></tbody></big></label>