QQ在線客服
免費(fèi)咨詢熱線
400-615-1233
工作時(shí)間-工作日
8:30-17:30
2立封
2平封

Python計(jì)算機(jī)視覺(jué)應(yīng)用（全彩版）

需要更多信息,請(qǐng)聯(lián)系楊　洋
  • 類　　別：計(jì)算機(jī)系列
  • 書(shū)　　名：Python計(jì)算機(jī)視覺(jué)應(yīng)用（全彩版）
  • 主　　編：劉國(guó)華
  • 定　　價(jià)：69.8
  • 開(kāi)　　本：大16開(kāi)
  • 印刷方式：四色
  • 頁(yè)　　數(shù)：240
  • 時(shí)　　間：2024年9月
  • 出  版  社：上海交通大學(xué)出版社
  • 書(shū)　　號(hào)：978-7-313-31548-9

內(nèi)容摘要

        本書(shū)是依托Python語(yǔ)言講解計(jì)算機(jī)視覺(jué)的基礎(chǔ)理論與算法，并通過(guò)大量示例細(xì)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(cè)量、基于多幅圖像的立體視覺(jué)技術(shù)、深度學(xué)習(xí)等，特別強(qiáng)調(diào)了Python軟件在計(jì)算機(jī)視覺(jué)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(shí)現(xiàn)程序。另外，書(shū)中附帶的練習(xí)還能讓讀者鞏固并學(xué)會(huì)應(yīng)用編程知識(shí)。
        本書(shū)可作為高等學(xué)校電子信息、信號(hào)與信息處理、計(jì)算機(jī)科學(xué)與技術(shù)等專業(yè)的教材，也適用于有一定編程與數(shù)學(xué)基礎(chǔ)，想要了解計(jì)算機(jī)視覺(jué)的基本理論與算法的讀者，以及信號(hào)處理、物理學(xué)、生物醫(yī)藥、機(jī)械電子、認(rèn)知科學(xué)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(kù)
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(diǎn)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(dǎo)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(qiáng)
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(biāo)檢測(cè)
2.3.1Harris角點(diǎn)檢測(cè)器
2.3.2斑點(diǎn)檢測(cè)器
2.3.3基于HOG特征的SVM檢測(cè)目標(biāo)
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(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)
3.1.1監(jiān)督學(xué)習(xí)
3.1.2無(wú)監(jiān)督學(xué)習(xí)
3.2欠擬合和過(guò)擬合
3.2.1欠擬合
3.2.2過(guò)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(xué)習(xí)框架
4.1PyTorch框架簡(jiǎn)介
4.1.1使用框架的必要性
4.1.2主流框架對(duì)比
4.1.3PyTorch的優(yōu)點(diǎn)
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(kù)
4.4.1torch.autograd模塊（自動(dòng)求導(dǎo)）
4.4.2torch.nn模塊
4.4.3torch.optim模塊
4.4.4torchvision庫(kù)
4.5神經(jīng)網(wǎng)絡(luò)模型搭建與參數(shù)優(yōu)化
 
第5章 計(jì)算機(jī)視覺(jué)應(yīng)用——圖像分類
5.1圖像分類簡(jiǎn)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(shí)現(xiàn)
5.3訓(xùn)練過(guò)程
5.3.1數(shù)據(jù)集準(zhǔn)備
5.3.2圖像數(shù)據(jù)預(yù)處理
5.3.3訓(xùn)練ResNet網(wǎng)絡(luò)
5.4模型結(jié)果評(píng)估
 
第6章 計(jì)算機(jī)視覺(jué)應(yīng)用——2D目標(biāo)檢測(cè)
6.1圖像目標(biāo)檢測(cè)簡(jiǎn)介
6.2兩階段式2D目標(biāo)檢測(cè)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(biāo)檢測(cè)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(jī)制
6.3.5損失函數(shù)
6.3.6非極大值抑制
6.4目標(biāo)檢測(cè)算法評(píng)價(jià)指標(biāo)
6.4.1綜合指標(biāo)
6.4.2PR曲線與ROC曲線
6.4.3均值平均精度
 
第7章 計(jì)算機(jī)視覺(jué)應(yīng)用——3D目標(biāo)檢測(cè)
7.13D目標(biāo)檢測(cè)概述
7.2基于深度學(xué)習(xí)的3D目標(biāo)檢測(cè)方法
7.2.1基于圖像的3D目標(biāo)檢測(cè)
7.2.2基于LiDAR的3D目標(biāo)檢測(cè)
7.2.3基于多傳感器的3D目標(biāo)檢測(cè)
7.3經(jīng)典的3D目標(biāo)檢測(cè)算法VoxelNet
7.4常用的3D目標(biāo)檢測(cè)數(shù)據(jù)集及其評(píng)價(jià)指標(biāo)
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(jì)算機(jī)視覺(jué)應(yīng)用——語(yǔ)義分割 
8.1圖像語(yǔ)義分割介紹
8.1.1圖像語(yǔ)義分割概述
8.1.2圖像語(yǔ)義分割的發(fā)展
8.2DeepLabV3+網(wǎng)絡(luò)基本原理
8.2.1DeepLab系列語(yǔ)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(qiáng)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(xùn)練與評(píng)估
8.3.1數(shù)據(jù)集介紹
8.3.2網(wǎng)絡(luò)訓(xùn)練
8.3.3訓(xùn)練參數(shù)解析
8.3.4模型預(yù)測(cè)與評(píng)價(jià)指標(biāo)計(jì)算
 
第9章 計(jì)算機(jī)視覺(jué)應(yīng)用進(jìn)階
9.1遷移學(xué)習(xí)
9.1.1遷移學(xué)習(xí)的基本概念
9.1.2遷移學(xué)習(xí)策略
9.1.3遷移學(xué)習(xí)實(shí)戰(zhàn)應(yīng)用
9.2注意力機(jī)制
9.2.1通道注意力機(jī)制
9.2.2空間注意力機(jī)制
9.2.3通道與空間混合注意力
9.2.4注意力機(jī)制優(yōu)化神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
9.3模型壓縮
9.3.1模型剪枝
9.3.2知識(shí)蒸餾
9.3.3輕量化網(wǎng)絡(luò)
 
第10章 計(jì)算機(jī)視覺(jué)應(yīng)用的其他任務(wù)
10.1深度估計(jì)
10.1.1單目深度估計(jì)
10.1.2雙目深度估計(jì)
10.1.3基于點(diǎn)云的深度估計(jì)
10.2目標(biāo)跟蹤
10.2.1單目標(biāo)跟蹤
10.2.2多目標(biāo)跟蹤
10.3人體姿態(tài)估計(jì)
10.3.1單人姿態(tài)估計(jì)
10.3.2多人姿態(tài)估計(jì)
 
參考文獻(xiàn)

主編信息

劉國(guó)華，教授，從事計(jì)算機(jī)視覺(jué)、機(jī)器人控制技術(shù)、微型執(zhí)行器和先進(jìn)檢測(cè)技術(shù)專業(yè)方向，近年來(lái)承擔(dān)國(guó)際合作項(xiàng)目1項(xiàng)，承擔(dān)天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計(jì)劃項(xiàng)目、天津市自然科學(xué)基金重點(diǎn)項(xiàng)目6項(xiàng)、企業(yè)合作項(xiàng)目5項(xiàng)，以及承擔(dān)教育部高教司產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目3項(xiàng)。獲得2009年天津市科技進(jìn)步二等獎(jiǎng)1項(xiàng)，獲得天津工業(yè)大學(xué)教學(xué)名師獎(jiǎng)，獲得中國(guó)紡織工業(yè)聯(lián)合會(huì)“紡織之光”教學(xué)成果獎(jiǎng)一等獎(jiǎng)1項(xiàng)、二等獎(jiǎng)1項(xiàng)、三等獎(jiǎng)1項(xiàng)、天津工業(yè)大學(xué)校級(jí)教學(xué)成果獎(jiǎng)一等獎(jiǎng)4項(xiàng)，2022年獲香港桑麻基金會(huì)桑麻獎(jiǎng)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(shū)

  • Python程序設(shè)計(jì)簡(jiǎn)明教程

    主編：張春飛

    本書(shū)分為10章，內(nèi)容包括Python語(yǔ)言概述、初識(shí)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(jì)、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(shū)主要介紹數(shù)據(jù)挖掘的基本技術(shù)和應(yīng)用，全書(shū)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(jì)

    主編：金松林

    本書(shū)深入淺出地介紹了Python編程語(yǔ)言的基礎(chǔ)知識(shí)及簡(jiǎn)單的數(shù)據(jù)處理技術(shù)。全書(shū)共分10章，主要內(nèi)容包括初識(shí)Python，數(shù)據(jù)類型、變量與運(yùn)

    ￥45

  • Python數(shù)據(jù)分析與應(yīng)用

    主編：吳濤 徐光俠 劉俊

    本書(shū)從實(shí)際應(yīng)用出發(fā)，側(cè)重對(duì)學(xué)生實(shí)踐能力的培養(yǎng)。全書(shū)共分9章，內(nèi)容包括數(shù)據(jù)分析基礎(chǔ)、Python編程語(yǔ)言、數(shù)據(jù)分析過(guò)程、回歸與預(yù)測(cè)

    ￥45