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

機器視覺檢測與識別技術及應用(基於深度學習)

  • 作者：編者:張勤儉|責編:雷桐輝
  • 出版社：化學工業
  • ISBN：9787122456830
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：260
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《機器視覺檢測與識別技術及應用：基於深度學習》致力於深入剖析機器視覺檢測與識別技術的內在機理、實用策略及其多元化應用，旨在為讀者搭建起一個堅實而全面的理論知識與實踐經驗的橋樑。內容涉獵廣泛，既涵蓋圖像處理、特徵提取、目標檢測，又深入探索圖像分割、人臉識別、物體識別等，從基礎概念到高級演算法，全面又深入。在深度解讀各個主題的同時，本書注重理論與實踐的緊密結合，相關章節均配以典型的案例分析，展示這些技術在現實場景中的具體應用。
    通過閱讀本書，讀者將深入理解機器視覺技術的運作原理，並學會如何將這些技術靈活運用於解決實際問題。此外，本書還特別關注機器視覺技術所帶來的倫理、隱私和社會影響等深層次議題，確保技術的發展既有利於社會進步，又尊重和保護個體的權利與隱私，實現可持續發展。
    本書適合從事電腦視覺、人工智慧、圖像處理以及相關領域研究和開發的專業人士閱讀，也可作為高等院校電腦相關專業的教材，對機器視覺感興趣的人群也可以閱讀。
作者介紹
編者:張勤儉|責編:雷桐輝
    張勤儉，北京信息科技大學教授，博士生導師。現任超聲加工技術委員會副主任、中國模具工業協會拉絲模委員會副主任、中國機械工程學會特種加工分會副秘書長、中國機械製造工藝協會理事。2002年被評為「北京市科技新星」，主持國家重點研發計劃等省部級以上項目10余項，獲省部級以上獎勵4項，出版專著3部，發表學術論文100余篇。主要研究方向：特種加工技術、工藝與設備；智能（醫療）機器人技術。
目錄
第1章  機器視覺概述
  1.1  機器視覺的基本概念
  1.2  機器視覺的發展歷程
  1.3  機器視覺的發展趨勢
  1.4  機器視覺的應用領域
第2章  深度學習基礎知識
  2.1  基本概念與理論
  2.2  基本思想
  2.3  深度學習常用的方法
第3章  深度學習與機器視覺
  3.1  深度學習應用於機器視覺
  3.2  深度學習應用於機器視覺的例子
    3.2.1  基於深度學習的機器視覺在谷歌中的應用
    3.2.2  基於深度學習的機器視覺在百度中的應用
    3.2.3  基於深度學習的機器視覺在醫療中的應用
    3.2.4  基於深度學習的機器視覺在安防中的應用
    3.2.5  基於深度學習的機器視覺在攝影攝像中的應用
  3.3  機器視覺的關鍵深度學習方法和應用
第4章  圖像分類與參數學習
  4.1  圖像分類基礎
  4.2  線性分類器
  4.3  損失函數
    4.3.1  損失函數的作用
    4.3.2  常見的損失函數
第5章  Transformer
  5.1  Transformer背景
    5.1.1  Transformer簡介
    5.1.2  傳統序列模型的局限性
  5.2  Transformer模型
    5.2.1  Transformer基本框架
    5.2.2  輸入部分
    5.2.3  編碼器結構
    5.2.4  解碼器結構
  5.3  Transformer在機器視覺中的應用
    5.3.1  Detection Transformer（DETR）
    5.3.2  Unsupervised Pre-training for Object Detection with Transformers（UP-DETR）
    5.3.3  Deformable DETR
第6章  基於深度學習的目標檢測
  6.1  目標檢測技術
    6.1.1  目標檢測概念
    6.1.2  目標檢測評價指標
    6.1.3  目標檢測數據集
  6.2  目標檢測方法
    6.2.1  傳統目標檢測演算法
    6.2.2  基於深度學習目標檢測演算法
  6.3  基於區域的兩階段目標檢測方法
    6.3.1  R-CNN
    6.3.2  SPP-Net
    6.3.3  Fast R-CNN
    6.3.4  Faster R-CNN

  6.4  基於區域的單階段目標檢測方法
    6.4.1  SSD
    6.4.2  YOLO v
    6.4.3  RetinaNet
  6.5  基於深度學習的目標檢測演算法應用場景
    6.5.1  農業領域應用——害蟲檢測
    6.5.2  航天領域應用——遙感監測
    6.5.3  交通領域應用——車輛檢測
第7章  目標識別
  7.1  目標識別技術
    7.1.1  目標識別概念
    7.1.2  目標識別評價指標
  7.2  目標識別方法
    7.2.1  傳統目標識別方法
    7.2.2  深度學習目標識別方法
第8章  深度學習中的目標識別
  8.1  圖像識別模型介紹
  8.2  圖像識別模型改進演算法
    8.2.1  小加權隨機搜索演算法
    8.2.2  E-S判斷方法
    8.2.3  構造小型卷積神經網路
    8.2.4  殘差網路模型
    8.2.5  融入注意力機制的殘差網路識別演算法
  8.3  基於深度學習的目標識別演算法應用場景
    8.3.1  生物信息領域應用——人臉識別
    8.3.2  軍事領域應用——雷達探測
    8.3.3  工業領域應用——水下作業
第9章  前列腺腫瘤檢測
  9.1  前列腺圖像複原、重建與合成
    9.1.1  醫學圖像複原與重建
    9.1.2  前列腺圖像合成
  9.2  醫學圖像配准與分割
    9.2.1  醫學圖像配准
    9.2.2  醫學圖像分割
第10章  目標檢測與識別技術在醫療領域中的應用
  10.1  醫學圖像處理技術及應用價值
    10.1.1  醫學圖像的類型
    10.1.2  醫學圖像的格式
    10.1.3  目標檢測與識別技術在醫療領域的應用價值
  10.2  影像圖像的疾病診斷與病灶分型
    10.2.1  典型的疾病診斷網路
    10.2.2  影像的疾病診斷應用
  10.3  影像圖像的組織器官分割技術
    10.3.1  通用分割網路
    10.3.2  專用分割技術
  10.4  公開數據集
    10.4.1  影像診斷
    10.4.2  器官分割
    10.4.3  病理分析與生物信息
    10.4.4  競賽單元/通用數據集

第11章  生菜識別及性狀分析
  11.1  背景介紹
  11.2  定義問題
  11.3  數據分析
    11.3.1  數據內容及結構
    11.3.2  數據相關性分析
  11.4  數據處理
    11.4.1  數據載入及預處理
    11.4.2  數據增強
    11.4.3  標籤載入
  11.5  模型搭建
    11.5.1  三階段多分支自校正網路設計思路
    11.5.2  主模型
    11.5.3  輔助模型
  11.6  模型訓練
    11.6.1  訓練參數設置
    11.6.2  訓練曲線及結果分析
  11.7  模型評估
    11.7.1  評估指標
    11.7.2  評估結果
  11.8  模型討論
    11.8.1  深度圖像的數據處理方法討論
    11.8.2  輔助模型的設計及選擇
    11.8.3  高通量情形下的生菜性狀估計思路設計

  • 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