計算機視覺——基於OpenCV與TensorFlow的深度學習方法

《計算機視覺——基於OpenCV與TensorFlow的深度學習方法》是清華大學出版社出版圖書。

基本介紹

  • 中文名:計算機視覺——基於OpenCV與TensorFlow的深度學習方法 
  • 作者:余海林、翟中華 
  • 出版社:清華大學出版社 
  • ISBN:9787302567431
內容簡介,圖書目錄,

內容簡介

本書詳細講解基於OpenCV的傳統計算機視覺和以TensorFlow代碼為主的基於深度學習的計算機視覺。本書從基本的圖像特徵開始,包括顏色特徵、幾何特徵、局部特徵、梯度特徵,到圖像美化,再到傳統目標檢測、光流與跟蹤等;繼而進入深度學習部分,首先帶來深度學習的基本原理,然後是卷積神經網路的深入剖析,進而闡述如何將卷積神經網路套用於計算機視覺的物體分類、目標檢測等常見問題上,最後介紹計算機視覺最新的GAN網路。本書以非常簡單的公式和原理解釋學習過程中遇到的問題,通過大量精美的圖片讓讀者直觀感受計算機視覺的效果,深入理解計算機視覺的核心內容。本書適合人工智慧方向的大學本科生、研究生,以及初學者閱讀。對於有一定基礎和經驗的讀者,也能幫助他們查缺補漏,深入理解和掌握相關原理和方法,提高實際解決問題的能力。

圖書目錄

第1章機器看世界
1.1計算機眼裡的圖像
1.2計算機視覺的起源
1.2.1馬爾計算視覺
1.2.2主動和目的視覺
1.2.3多視幾何和分層三維重建
1.2.4基於學習的視覺
1.3計算機視覺的難點
1.4深度學習的起源
1.5基於深度學習的計算機視覺
1.5.1研究方向
1.5.2未來發展
第2章傳統圖像處理之OpenCV的妙用
2.1OpenCV安裝
2.2OpenCV模組
2.3OpenCV數據存取
2.4OpenCV圖像基本操作
2.4.1OpenCV圖像縮放
2.4.2OpenCV圖像裁剪
2.4.3OpenCV圖像旋轉
2.5從攝像頭讀取
2.6矩陣操作
第3章傳統圖像處理之尋找特徵
3.1顏色特徵
3.1.1RGB顏色空間
3.1.2HIS顏色空間
3.1.3HSV顏色空間
3.1.4顏色直方圖
3.1.5OpenCV圖像色調,對比度變化
3.2幾何特徵
3.2.1邊緣特徵
3.2.2角點
3.2.3斑點
3.3局部特徵
3.3.1SIFT算法
3.3.2SURF算法
3.4代碼實戰: 圖像匹配
第4章傳統圖像處理之圖像美化
4.1添加圖形與文字
4.2圖像美白
4.3圖像修復與去噪
4.4圖像輪廓
4.5圖像金字塔
4.6代碼實戰: 圖像融合
第5章傳統圖像處理之相機模型
5.1相機模型
5.1.1針孔相機模型
5.1.2射影幾何
5.2透鏡
5.3透鏡畸變
第6章傳統圖像處理之目標檢測
6.1OpenCV中的機器學習
6.1.1機器學習簡介
6.1.2OpenCV機器學習數據流
6.1.3OpenCV機器學習算法
6.2基於支持向量機的目標檢測與識別
6.2.1詞袋算法
6.2.2隱式支持向量機算法
6.3基於樹方法的目標檢測與識別
6.4代碼實戰: 人臉識別
6.5傳統圖像總結
第7章深度學習初識
7.1深度學習基礎
7.2正向傳播、反向傳播算法
7.3非線性激活函式
7.4Dropout正則化方法
7.5GPU加速運算
第8章基於深度學習的計算機視覺之卷積神經網路
8.1卷積神經網路基本架構
8.1.1卷積層
8.1.2池化層
8.1.3全連線層
8.1.4Softmax激活函式
8.1.5交叉熵損失
8.2AlexNet結構詳解
8.3卷積神經網路的優點
第9章基於深度學習的計算機視覺之TensorFlow
9.1TensorFlow的起源
9.2TensorFlow基礎知識
9.2.1安裝
9.2.2圖計算
9.2.3TensorFlow 2.0
9.2.4張量
9.2.5tf.data
9.2.6可視化
9.2.7模型存取
9.2.8Keras接口
9.2.9神經網路搭建
9.3代碼實戰: 手寫數字
第10章基於深度學習的計算機視覺之目標識別
10.1目標識別的概念
10.2構建數據集的方法
10.3搭建神經網路
10.4訓練及效果評估
10.5解決過擬合
10.6數據增強
10.7遷移學習
第11章基於深度學習的計算機視覺之兩階段目標檢測
11.1什麼是目標檢測
11.2目標檢測的難點
11.3目標檢測的基礎知識
11.3.1候選框
11.3.2交並比
11.3.3非極大值抑制
11.3.4傳統目標檢測基本流程
11.4目標檢測效果評估
11.5二階段算法: RCNN類網路
11.5.1RCNN網路
11.5.2Fast RCNN網路
11.5.3Faster RCNN網路
11.6代碼實戰
第12章基於深度學習的計算機視覺之階段目標檢測
12.1YOLO網路
12.1.1YOLO起源
12.1.2YOLO原理
12.1.3YOLOv2原理
12.1.4YOLOv3原理
12.1.5YOLO套用
12.2SSD網路
12.3代碼實戰: 車牌識別
第13章人臉識別: 傳統方法VS深度學習
13.1人臉識別技術的歷史
13.2人臉識別技術的發展前景
13.3人臉識別技術主要流程
13.3.1人臉識別的主要流程
13.3.2人臉識別的主要方法
13.3.3人臉識別的技術指標
13.4深度學習方法
13.5人臉識別的挑戰
第14章基於深度學習的計算機視覺: 生成模型
14.1自動編碼器
14.1.1去噪自動編碼器
14.1.2變分自動編碼器
14.2風格遷移
14.3GAN網路
參考文獻

相關詞條

熱門詞條

聯絡我們