幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

電腦視覺入門到實踐

  • 作者：(印)阿布辛納夫·達和奇|責編:林楨|譯者:連曉峰//譚勵
  • 出版社：機械工業
  • ISBN：9787111662297
  • 出版日期：2020/11/01
  • 裝幀：平裝
  • 頁數：182
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是你了解電腦視覺的一站式指南。利用Python、TensorFlow、Keras和OpenCV的功能執行圖像處理、對象檢測、特徵檢測等項目。通過對卷積神經網路的介紹，你將學習如何使用Keras構建深度神經網路，以及如何使用它對Fashion-MNIST數據集進行分類。關於對象檢測，你將學習到使用TensorFlow實現簡單的面部檢測器，以及複雜的基於深度學習的對象檢測器（例如Faster R-CNN和SSD）的工作原理。你也將學會使用FCN模型進行語義分割，並使用Deep SORT跟蹤對象。不僅如此，你還將學習到在標準數據集上使用視覺SLAM（vSLAM）技術，例如ORB-SLAM。
    本書適合希望以最實際的方式理解和實現與電腦視覺和圖像處理相關的各種任務的機器學習從業人員和深度學習學習者閱讀。
作者介紹
(印)阿布辛納夫·達和奇|責編:林楨|譯者:連曉峰//譚勵
目錄
譯者序
原書千言
第1章  電腦視覺快速入門
  1.1  什麼是電腦視覺
  1.2  電腦視覺無處不在
  1.3  入門
    1.3.1  讀取圖像
    1.3.2  圖像顏色轉換
  1.4  電腦視覺研究的相關會議
  1.5  小結
第2章  庫、開發平台和數據集
  2.1  庫及其安裝方法
    2.1.1  安裝Anaconda
    2.1.2  安裝OpenCV
    2.1.3  用於深度學習的TensorFlow
    2.1.4  用於深度學習的Keras
  2.2  數據集
    2.2.1  ImageNet
    2.2.2  MNIST
    2.2.3  CIFAR-10
    2.2.4  Pascal VOC
    2.2.5  MSCOCO
    2.2.6  TUM RGB-D數據集
  2.3  小結
  參考文獻
第3章  OpenCV中的圖像濾波和變換
  3.1  數據集和庫
  3.2  圖像處理
  3.3  濾波器概述
    3.3.1  線性濾波器
    3.3.2  非線性濾波器
    3.3.3  圖像梯度
  3.4  圖像變換
    3.4.1  平移
    3.4.2  旋轉
    3.4.3  仿射變換
  3.5  圖像金字塔
  3.6  小結
第4章  什麼是特徵
  4.1  特徵用例
    4.1.1  數據集和庫
    4.1.2  為何特徵如此重要
  4.2  Harris角點檢測
    4.2.1  FAST特徵
    4.2.2  ORB特徵
    4.2.3  黑箱特徵
    4.2.4  應用——在圖像中檢測目標對象
    4.2.5  應用——是否相似
  4.3  小結
  參考文獻

第5章  卷積神經網路
  5.1  數據集和庫
  5.2  神經網路簡介
    5.2.1  一個簡單的神經網路
  5.3  重溫卷積運算
  5.4  卷積神經網路
    5.4.1  卷積層
    5.4.2  激活層
    5.4.3  池化層
    5.4.4  全連接層
    5.4.5  批歸一化
    5.4.6  退出
  5.5  CNN實踐
    5.5.1  Fashion-MNIST分類器訓練代碼
    5.5.2  CNN分析
    5.5.3  遷移學習
  5.6  小結
第6章  基於特徵的目標檢測
  6.1  目標檢測概述
  6.2  目標檢測挑戰
  6.3  數據集和庫
  6.4  目標檢測方法
    6.4.1  基於深度學習的目標檢測
  6.5  小結
  參考文獻
第7章  分割和跟蹤
  7.1  數據集和庫
  7.2  分割
    7.2.1  分割挑戰
    7.2.2  用於分割的CNN
    7.2.3  FCN的實現
  7.3  跟蹤
    7.3.1  跟蹤挑戰
    7.3.2  目標跟蹤方法
  7.4  小結
  參考文獻
第8章  三維電腦視覺
  8.1  數據集和庫
  8.2  應用
  8.3  成像原理
  8.4  圖像對齊
  8.5  視覺里程計
  8.6  視覺SLAM
  8.7  小結
  參考文獻
第9章  電腦視覺中的數學
  9.1  數據集和庫
  9.2  線性代數
    9.2.1  向量
    9.2.2  矩陣

    9.2.3  Hessian矩陣
    9.2.4  奇異值分解
  9.3  概率論簡述
    9.3.1  什麼是隨機變數
    9.3.2  期望
    9.3.3  方差
    9.3.4  概率分佈
    9.3.5  聯合分佈
    9.3.6  邊緣分佈
    9.3.7  條件分佈
    9.3.8  貝葉斯定理
  9.4  小結
第10章  電腦視覺中的機器學習
  10.1  什麼是機器學習
  10.2  機器學習技術分類
    10.2.1  監督式學習
    10.2.2  無監督式學習
  10.3  維度災難
  10.4  機器學習的滾球視角
  10.5  常用工具
    10.5.1  預處理
    10.5.2  后處理
  10.6  評估
    10.6.1  準確率
    10.6.2  召回率
    10.6.3  F-分數
  10.7  小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032