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

基於Python的深度學習圖像處理(新一代信息技術系列教材)

  • 作者：編者:易詩//鍾曉玲|責編:王玉鑫//周海越
  • 出版社：機械工業
  • ISBN：9787111757450
  • 出版日期：2024/07/01
  • 裝幀：平裝
  • 頁數：193
人民幣：RMB 45 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本具有實踐導向性的教材，主要面向信息工程專業的學生和從事圖像處理的讀者。本書以圖像處理技術為主線，介紹了深度學習在圖像處理中的理論和應用。
    本書的核心內容涵蓋了深度學習的各個層面，包括設計卷積神經網路的基礎知識、低階和高階圖像處理任務的實現等。這些內容不僅包含理論介紹，還包括大量的實例代碼，使用Python語言及當前流行的深度學習環境，幫助讀者理解和實踐深度學習在圖像處理中的應用。在低階圖像處理任務部分，本書詳細介紹了圖像去噪、去模糊、增強和超解析度重建等任務。在高階圖像處理任務部分，讀者將學習到如何使用深度學習方法進行圖像分類、目標檢測、語義分割和實例分割等。
    本書旨在通過理論介紹與實踐案例相結合的方式，幫助讀者更好地理解並掌握深度學習在圖像處理領域的應用，是一本理論與實踐並重、實用性強的教材。
作者介紹
編者:易詩//鍾曉玲|責編:王玉鑫//周海越
目錄
前言
第1章  數字圖像處理概述
  1.1  數字圖像處理的基本概念
  1.2  數字圖像處理系統的組成
  1.3  數字圖像處理的應用
  1.4  數字圖像處理任務的層次劃分
  本章總結
  習題
第2章  Python語言編程基礎
  2.1  Python語言簡介
  2.2  Python語言的基本語法
    2.2.1  Python語言的基本編程語法
    2.2.2  Python語言的基本流程式控制制
    2.2.3  Python語言的內置庫和函數
    2.2.4  Python語言的面向對象
    2.2.5  Python語言的異常處理
    2.2.6  Python語言的IO處理
  2.3  Python-OpenCV的應用
    2.3.1  Python-OpenCV簡介
    2.3.2  Python-OpenCV的基本圖像處理操作
  本章總結
  習題
第3章  深度學習圖像處理技術基礎
  3.1  深度學習的基本概念
  3.2  卷積神經網路的基本構成及Python實現
    3.2.1  卷積神經網路的基本構成
    3.2.2  幾種典型的卷積神經網路
    3.2.3  卷積神經網路的訓練與測試
  3.3  深度學習圖像處理平台搭建
  3.4  實例：基於深度學習的手寫數字識別
  本章總結
  習題
第4章  基於深度學習的圖像去噪
  4.1  圖像去噪概述
  4.2  基於深度學習的圖像去噪網路的發展
  4.3  實例：基於深度學習的圖像去噪網路FFDNet
    4.3.1  FFDNet簡介
    4.3.2  FFDNet的結構與工作原理
    4.3.3  FFDNet的訓練與測試
    4.3.4  FFDNet圖像去噪測試結果分析
  本章總結
  習題
第5章  基於深度學習的圖像去模糊
  5.1  圖像去模糊概述
  5.2  基於深度學習的圖像去模糊的發展
  5.3  實例：基於深度學習的圖像去模糊網路DeblurGAN-v
    5.3.1  DeblurGAN-v2簡介
    5.3.2  DeblurGAN-v2的結構與工作原理
    5.3.3  DeblurGAN-v2的訓練與測試
    5.3.4  DeblurGAN-v2圖像去模糊測試結果分析

  本章總結
  習題
第6章  基於深度學習的圖像增強
  6.1  圖像增強概述
    6.1.1  頻率域法
    6.1.2  空間域法
    6.1.3  基於深度學習的圖像增強法
  6.2  基於深度學習的圖像增強的發展
  6.3  實例：基於深度學習的圖像增強網路RetinexNet
    6.3.1  RetinexNet簡介
    6.3.2  RetinexNet的結構與工作原理
    6.3.3  FFDNet的訓練與測試
    6.3.4  RetinexNet圖像增強測試結果分析
  本章總結
  習題
第7章  基於深度學習的圖像超解析度重建
  7.1  圖像超解析度重建概述
  7.2  基於深度學習的圖像超解析度重建網路的發展
  7.3  實例：基於深度學習的圖像超解析度重建網路ESRGAN
    7.3.1  ESRGAN簡介
    7.3.2  ESRGAN的結構與工作原理
    7.3.3  ESRGAN的訓練與測試
    7.3.4  ESRGAN圖像超解析度重建結果分析
  本章總結
  習題
第8章  基於深度學習的圖像識別
  8.1  圖像識別概述
  8.2  基於深度學習的圖像識別的發展
  8.3  實例：基於深度學習的圖像識別網路CNN
    8.3.1  CNN簡介
    8.3.2  CNN的結構與工作原理
    8.3.3  CNN的訓練與測試
    8.3.4  CNN圖像識別測試結果分析
  本章總結
  習題
第9章  基於深度學習的目標檢測
  9.1  目標檢測概述
  9.2  基於深度學習的目標檢測網路的發展
    9.2.1  兩階段檢測的發展
    9.2.2  單階段檢測的發展
    9.2.3  深度學習目標檢測數據集的發展
  9.3  實例：基於深度學習的目標檢測網路YOLOv
    9.3.1  YOLOv4簡介
    9.3.2  YOLOv4的結構與工作原理
    9.3.3  YOLOv4的訓練與測試
    9.3.4  YOLOv4目標檢測測試結果分析
  本章總結
  習題
第10章  基於深度學習的圖像分割
  10.1  圖像分割概述

    10.1.1  語義分割概述
    10.1.2  實例分割概述
  10.2  基於深度學習的圖像分割網路的發展
    10.2.1  語義分割網路的發展
    10.2.2  圖像語義分割數據集
    10.2.3  實例分割網路的發展
    10.2.4  圖像實例分割數據集
    10.2.5  圖像語義分割性能評估指標
  10.3  實例：基於深度學習的圖像分割網路DeepLabV3+、Mask R-CNN
    10.3.1  DeepLabV3+簡介
    10.3.2  DeepLabV3+的結構與工作原理
    10.3.3  DeepLabV3+網路的訓練與測試
    10.3.4  DeepLabV3+語義分割測試結果分析
    10.3.5  Mask R-CNN簡介
    10.3.6  Mask R-CNN的結構與工作原理
    10.3.7  Mask R-CNN的訓練與測試
    10.3.8  Mask R-CNN實例分割測試結果分析
  本章總結
  習題
參考文獻

  • 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