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

圖像識別技術與實戰(OpenCV+dlib+Keras+Sklearn+TensorFlow)

  • 作者：編者:扶松柏|責編:魏瑩//劉秀青
  • 出版社：清華大學
  • ISBN：9787302594086
  • 出版日期：2022/01/01
  • 裝幀：平裝
  • 頁數：318
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書循序漸進地講解了使用Python語言實現圖像視覺識別的核心知識，並通過具體實例的實現過程演練了圖像視覺識別的方法和流程。全書共12章，分別講解了圖像識別技術基礎，scikit-image數字圖像處理，OpenCV圖像視覺處理，dlib機器學習和圖像處理演算法，face＿recognition人臉識別，Scikit-Learn機器學習和人臉識別，TensorFlow機器學習和圖像識別，國內常用的第三方人臉識別平台，AI人臉識別簽到打卡系統（PyQt5＋百度AI＋OpenCV-Python＋SQLite3實現），基於深度學習的AI人臉識別系統（Flask＋OpenCV-Python＋Keras＋Sklearn實現），AI考勤管理系統（face-recognition＋Matplotlib＋Django＋Scikit-Learn＋dlib實現），AI小區停車計費管理系統。全書講解簡潔而不失技術深度，內容豐富全面，並且易於閱讀，以極簡的文字介紹了複雜的案例，是學習Python圖像視覺識別的實用教程。
    本書適用於已經了解Python語言基礎語法的讀者，並且適應于希望進一步提高自己Python開發水平的讀者，還可以作為大專院校相關專業的師生用書和培訓機構的專業教材。
作者介紹
編者:扶松柏|責編:魏瑩//劉秀青
目錄
第1章  圖像識別技術基礎
  1.1  圖像識別概述
    1.1.1  什麼是圖像識別
    1.1.2  圖像識別的應用
  1.2  圖像識別原理
  1.3  圖像識別技術
    1.3.1  AI（人工智慧）
    1.3.2  機器學習
    1.3.3  深度學習
    1.3.4  基於神經網路的圖像識別
    1.3.5  基於非線性降維的圖像識別
第2章  scikit-image數字圖像處理
  2.1  scikit-image基礎
    2.1.1  安裝scikit-image
    2.1.2  scikit-image中的模塊
  2.2  顯示圖像
    2.2.1  使用skimage讀入並顯示外部圖像
    2.2.2  讀取並顯示外部灰度圖像
    2.2.3  顯示內置星空圖片
    2.2.4  讀取並保存內置星空圖片
    2.2.5  顯示內置星空圖片的基本信息
    2.2.6  實現內置貓圖片的紅色通道的效果
  2.3  常見的圖像操作
    2.3.1  對內置貓圖片進行二值化操作
    2.3.2  對內置貓圖片進行裁剪處理
    2.3.3  將RGB圖轉換為灰度圖
    2.3.4  使用skimage實現繪製圖片功能
    2.3.5  使用subplot（）函數繪製多視圖窗口
    2.3.6  使用subplots（）函數繪製多視圖窗口
    2.3.7  改變指定圖片的大小
    2.3.8  使用函數rescale（）縮放圖片
    2.3.9  使用函數rotate（）旋轉圖片
第3章  OpenCV圖像視覺處理
  3.1  OpenCV基礎
    3.1.1  OpenCV介紹
    3.1.2  OpenCV-Python介紹
    3.1.3  安裝OpenCV-Python
  3.2  OpenCV-Python圖像操作
    3.2.1  讀取並顯示圖像
    3.2.2  保存圖像
    3.2.3  在Matplotlib中顯示圖像
    3.2.4  繪圖
    3.2.5  將滑鼠作為畫筆
    3.2.6  調色板程序
    3.2.7  基本的屬性操作
    3.2.8  圖像的幾何變換
    3.2.9  圖像直方圖
    3.2.10  特徵識別：Harris（哈里斯）角檢測
  3.3  OpenCV-Python視頻操作
    3.3.1  讀取視頻

    3.3.2  播放視頻
    3.3.3  保存視頻
    3.3.4  改變顏色空間
    3.3.5  視頻的背景分離
  3.4  簡易車牌識別系統
    3.4.1  系統介紹
    3.4.2  通用程序
    3.4.3  主程序
第4章  dlib機器學習和圖像處理演算法
  4.1  dlib介紹
  4.2  dlib基本的人臉檢測
    4.2.1  人臉檢測
    4.2.2  使用命令行的人臉識別
    4.2.3  檢測人臉關鍵點
    4.2.4  基於CNN的人臉檢測器
    4.2.5  在攝像頭中識別人臉
    4.2.6  人臉識別驗證
    4.2.7  全局優化
    4.2.8  人臉聚類
    4.2.9  抖動採樣和增強
    4.2.10  人臉和姿勢採集
    4.2.11  物體追蹤
  4.3  SVM分類演算法
    4.3.1  二進位SVM分類器
    4.3.2  Ranking SVM演算法
    4.3.3  Struct SVM多分類器
  4.4  自訓練模型
    4.4.1  訓練自己的模型
    4.4.2  自製對象檢測器
第5章  face_recognition人臉識別
  5.1  安裝face_recognition
  5.2  實現基本的人臉檢測
    5.2.1  輸出顯示指定人像人臉特徵
    5.2.2  在指定照片中識別標記出人臉
    5.2.3  識別出照片中的所有人臉
    5.2.4  判斷在照片中是否包含某個人臉
    5.2.5  識別出在照片中的人到底是誰
    5.2.6  攝像頭實時識別
  5.3  深入face_recognition人臉檢測
    5.3.1  檢測人臉眼睛的狀態
    5.3.2  模糊處理人臉
    5.3.3  檢測兩個人臉是否匹配
    5.3.4  識別視頻中的人臉
    5.3.5  網頁版人臉識別器
第6章  Scikit-Learn機器學習和人臉識別
  6.1  Scikit-Learn基礎
    6.1.1  Scikit-Learn介紹
    6.1.2  安裝Scikit-Learn
  6.2  基於Scikit-Learn的常用演算法
    6.2.1  Scikit-Learn機器學習的基本流程

    6.2.2  分類演算法
    6.2.3  聚類演算法
    6.2.4  分解演算法
  6.3  Scikit-Learn和人臉識別
    6.3.1  SVM演算法人臉識別
    6.3.2  KNN演算法人臉識別
    6.3.3  KNN演算法實時識別
第7章  TensorFlow機器學習和圖像識別
  7.1  TensorFlow基礎
    7.1.1  　TensorFlow介紹
    7.1.2  TensorFlow的優勢
    7.1.3  安裝TensorFlow
  7.2  創建第一個機器學習程序
    7.2.1  在PyCharm環境實現
    7.2.2  在Colaboratory環境實現
  7.3  使用內置方法進行訓練和評估
    7.3.1  第一個端到端訓練和評估示例
    7.3.2  使用compile（）訓練模型
    7.3.3  自定義損失
    7.3.4  自定義指標
    7.3.5  處理不適合標準簽名的損失和指標
    7.3.6  自動分離驗證預留集
    7.3.7  通過tf.data數據集進行訓練和評估
    7.3.8  使用樣本加權和類加權
  7.4  TensorFlow圖像視覺處理
    7.4.1  導入需要的庫
    7.4.2  導入Fashion MNIST數據集
    7.4.3  瀏覽數據
    7.4.4  預處理數據
    7.4.5  構建模型
    7.4.6  編譯模型
    7.4.7  訓練模型
    7.4.8  使用訓練好的模型
第8章  國內常用的第三方人臉識別平台
  8.1  百度AI開放平台
    8.1.1  百度AI開放平台介紹
    8.1.2  使用百度AI之前的準備工作
    8.1.3  基於百度AI平台的人臉識別
  8.2  科大訊飛AI開放平台
    8.2.1  科大訊飛AI開放平台介紹
    8.2.2  申請試用
    8.2.3  基於科大訊飛AI的人臉識別
第9章  AI人臉識別簽到打卡系統（PyQt5+百度AI+OpenCV-Python+SQLite3實現）
  9.1  需求分析
    9.1.1  背景介紹
    9.1.2  任務目標
  9.2  模塊架構
  9.3  使用Qt Designer實現主窗口界面
    9.3.1  設計系統UI主界面
    9.3.2  將Qt Designer文件轉換為Python文件

  9.4  簽到打卡、用戶操作和用戶組操作
    9.4.1  設計UI界面
    9.4.2  創建攝像頭類
    9.4.3  UI界面的操作處理
    9.4.4  多線程操作和人臉識別
    9.4.5  導出打卡簽到信息
  9.5  調試運行
第10章  基於深度學習的AI人臉識別系統（Flask+OpenCV-Python+Keras+Sklearn實現）
  10.1  系統需求分析
    10.1.1  系統功能分析
    10.1.2  實現流程分析
    10.1.3  技術分析
  10.2  照片樣本採集
  10.3  深度學習和訓練
    10.3.1  原始圖像預處理
    10.3.2  構建人臉識別模塊
  10.4  人臉識別
  10.5  Flask Web人臉識別介面
    10.5.1  導入庫文件
    10.5.2  識別上傳照片
    10.5.3  在線識別
第11章  AI考勤管理系統（face-recognition+Matplotlib+Django+Scikit-Learn+dlib實現）
  11.1  背景介紹
  11.2  系統需求分析
    11.2.1  可行性分析
    11.2.2  系統操作流程分析
    11.2.3  系統模塊設計
  11.3  系統配置
    11.3.1  Django配置文件
    11.3.2  路徑導航文件
  11.4  用戶註冊和登錄驗證
    11.4.1  登錄驗證
    11.4.2  添加新用戶
    11.4.3  設計數據模型
  11.5  採集照片和機器學習
    11.5.1  設置採集對象
    11.5.2  採集照片
    11.5.3  訓練照片模型
  11.6  考勤打卡
    11.6.1  上班打卡簽到
    11.6.2  下班打卡
  11.7  可視化考勤數據
    11.7.1  統計最近兩周的考勤數據
    11.7.2  查看本人指定時間範圍內的考勤統計圖
    11.7.3  查看某員工在指定時間範圍內的考勤統計圖
第12章  AI小區停車計費管理系統
  12.1  背景介紹
  12.2  系統功能分析和模塊設計
    12.2.1  功能分析
    12.2.2  系統模塊設計

  12.3  系統GUI
    12.3.1  設置基本信息
    12.3.2  繪製操作按鈕
    12.3.3  繪製背景和文字
  12.4  車牌識別和收費
    12.4.1  登記業主的車輛信息
    12.4.2  識別車牌
    12.4.3  計算停車時間
    12.4.4  識別車牌並計費
  12.5  主程序

  • 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