深度學習實踐：計算機視覺

內容簡介

本書主要介紹了深度學習在計算機視覺方面的套用及工程實踐，以Python 3為開發語言，並結合當前主流的深度學習框架進行實例展示。主要內容包括：OpenCV入門、深度學習框架介紹、圖像分類、目標檢測與識別、圖像分割、圖像搜尋以及圖像生成等，涉及到的深度學習框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通過本書，讀者能夠了解深度學習在計算機視覺各個方向的套用以及最新進展。

本書的特點是依託工業環境的實踐經驗，具備較強的實用性和專業性。適合於廣大計算機視覺工程領域的從業者、深度學習愛好者、相關專業的大學生和研究生以及對計算機視覺感興趣的愛好者使用。

圖書目錄

第1章深度學習與計算機視覺1

1.1 圖像基礎3

1.2 深度學習與神經網路基礎4

1.2.1 函式的簡單表達5

1.2.2 函式的矩陣表達5

1.2.3 神經網路的線性變換6

1.2.4 神經網路的非線性變換6

1.2.5 深層神經網路6

1.2.6 神經網路的學習過程8

1.3 卷積神經網路CNN9

1.4 基礎開發環境搭建14

1.5 本章總結15

第2章 OpenCV入門16

2.1 讀圖、展示和保存新圖17

2.2 像素點及局部圖像18

2.3 基本線條操作19

2.4 平移20

2.5 旋轉20

2.6 縮放21

2.6.1 鄰近插值22

2.6.2 雙線性插值22

2.7 翻轉23

2.8 裁剪23

2.9 算術操作23

2.10 位操作24

2.11 Masking操作25

2.12 色彩通道分離與融合26

2.13 顏色空間轉換27

2.14 顏色直方圖28

2.15 平滑與模糊29

2.16 邊緣檢測31

2.17 人臉和眼睛檢測示例32

2.18 本章總結35

第3章常見深度學習框架36

3.1 PyTorch38

3.1.1 Tensor39

3.1.2 Autograd42

3.1.3 Torch.nn43

3.2 Chainer45

3.2.1 Variable46

3.2.2 Link與Function47

3.2.3 Chain50

3.2.4 optimizers51

3.2.5 損失函式51

3.2.6 GPU的使用52

3.2.7 模型的保存與載入54

3.2.8 FashionMnist圖像分類示例54

3.2.9 Trainer59

3.3 TensorFlow與Keras66

3.3.1 TensorFlow66

深度學習實踐：計算機視覺

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條