計算機視覺實踐（第2版）

內容簡介

本書是一本基於PaddlePaddle深度學習框架的實踐性計算機視覺教材，重點關注計算機視覺在實際中的套用。本書涵蓋計算機視覺領域的眾多方面，包含圖像分類、目標檢測、圖像分割、視頻分類以及圖像生成等領域，並通過大量的實踐案例向讀者演示如何編寫計算機視覺應用程式，從而幫助讀者深入理解計算機視覺的核心概念和技術。

圖書目錄

第1章Python基礎

1.1實踐一：九九乘法表

1.2實踐二：隨機數生成與排序

1.3實踐三：批量檔案遍歷、複製、重命名

1.4實踐四：圖像直方圖統計

1.5實踐五：數據統計分析及可視化

1.6實踐六：圖像預處理

第2章圖像分類

2.1實踐一：基於深度神經網路的寶石分類

2.2實踐二：基於卷積神經網路的美食識別

2.3實踐三：基於VGG系列網路的場景圖像分類

2.4實踐四：基於ResNet系列模型的車輛圖像分類實踐

2.5實踐五：基於Vision Transformer的CIFAR10分類

第3章目標檢測

3.1實踐一：基於Faster RCNN模型的瓷磚瑕疵檢測(兩階段目標檢測)

3.2實踐二：基於YOLOV3/PPYOLO模型的昆蟲檢測(一階段目標檢測)

3.3實踐三：基於DETR模型的目標檢測

第4章圖像分割

4.1實踐一：基於UNet/DeepLabV3 Plus模型的寵物圖像分割

4.2實踐二：基於PaddleSeg的人像視頻分割

4.3實踐三：基於PSPNet模型的人體圖像分割

4.4實踐四：基於SwinUNet模型的醫學圖像分割

第5章視頻分類

5.1實踐一：基於TSN模型的視頻分類

5.2實踐二：基於ECO模型的視頻分類

5.3實踐三：基於TimeSformer模型的視頻分類

第6章圖像生成

6.1實踐一：基於GAN模型的時尚衣服生成

6.2實踐二：基於PaddleGAN的圖像超解析度

6.3實踐三：基於DCGAN模型的人臉圖像生成

6.4實踐四：基於Pix2Pix模型的圖像翻譯

6.5實踐五：基於CycleGAN模型的圖像風格遷移

參考文獻

計算機視覺實踐（第2版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條