計算機視覺基礎(2020年浙江大學出版社出版的圖書)

內容簡介

本教材可以作為計算機及其相關專業的本科教材，也可以作為計算機及其相關專業從業人員的自學參考用書，前驅課程包括“機器學習”、“數字圖像處理”和“人工神經網路”。該教材涵蓋了計算機視覺領域的基本問題：圖像分類、圖像分割、物體檢測、識別、物體跟蹤、多目視覺、圖像問答等。本教材對這些問題的定義、主要方法等進行了介紹，同時考慮到計算機視覺是一門實踐性很強的課程，教材中根據內容的實踐性介紹了經典的模型和實驗案例，這些案例可作為上機實踐的參考。

圖書目錄

第1章概論

1.1 計算機視覺的定義

1.2 計算機視覺的發展歷史

1.3 計算機視覺的主要研究內容

1.4 計算機視覺的主要套用

1.5 計算機視覺的特點

1.6 實例：基於詞袋的圖像分類方法

習題

第2章基礎知識

2.1 數字圖像表示

2.1.1 灰度圖像

2.1.2 彩色圖像

2.1.3 深度圖像

2.2 照相機成像模型

2.3 傳統計算機視覺方法基礎知識

2.3.1 尺度不變特徵變換

2.3.2 方向梯度直方圖

2.4 深度學習基礎知識

2.4.1 卷積

2.4.2 池化

習題

第3章圖像分類

3.1 概述

3.1.1 圖像分類的種類

3.1.2 圖像分類的發展

3.2 基於詞袋錶示的圖像分類

3.2.1 基於詞袋的句子檢索

3.2.2 基於詞袋的圖像分類

3.3 基於Fisher向量的圖像表示方法

3.3.1 高斯混合模型

3.3.2 Fisher向量

3.4 基於深度學習的圖像分類

3.4.1 網路模型的主要類別

3.4.2 經典的圖像分類模型

3.4.3 深度學習算法與傳統算法的比較

習題

第4章圖像語義分割

4.1 概述

4.2 基於聚類的分割方法

4.2.1 K—Means

4.2.2 譜聚類

4.2.3 Mean Shift

4.2.4 SLIC

4.3 基於邊緣的分割方法

4.3.1 Robe rts運算元

4.3.2 Sobel運算元

4.3.3 Prewitt運算元

4.3.3 L.oG運算元

4.3.4 Canny運算元

4.4 基於區域的分割方法

4.4.1 基於閾值的分割方法

4.4.2 種子區域生長法

4.4.3 區域分裂合併法

4.4.4 分水嶺法

4.5 基於圖論的分割方法

4.5.1 NormaIized Cut

計算機視覺基礎(2020年浙江大學出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條