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

電腦視覺之PyTorch數字圖像處理

  • 作者：編者:侯偉|責編:王中英
  • 出版社：清華大學
  • ISBN：9787302671985
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：256
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以數字圖像處理為主題，在詳細介紹數字圖像處理主流演算法的基礎上，配合豐富的實戰案例，用PyTorch深度學習框架對相關演算法進行應用實踐。本書一方面從張量的維度對經典數字圖像處理演算法進行詳細的介紹，另一方面從深度學習的維度對圖像分類、圖像分割和圖像檢測進行細緻的講解，從而幫助讀者較為系統地掌握數字圖像處理的相關理論知識和實際應用。
    本書分為3篇，共11章。第1篇圖像處理基礎知識，包括電腦視覺與數字圖像概述、搭建開發環境和Python編程基礎；第2篇基於經典方法的圖像處理，包括圖像處理基礎知識、圖像的基礎特徵、自動梯度與神經網路、數據準備與圖像預處理；第3篇基於深度學習的圖像處理，包括圖像分類、圖像分割、目標檢測和模型部署。
    本書內容豐富，講解由淺入深、案例豐富、實用性強，特別適合數字圖像處理的入門與進階人員閱讀，也適合數字圖像處理的從業人員與研究人員閱讀，還可作為高等院校數字圖像處理相關課程的教材。
作者介紹
編者:侯偉|責編:王中英
    侯偉，華北理工大學理學院教師，工學博士，教授圖像處理和深度學習等相關課程。從事數字圖像處理及其在工業自動視覺檢測方面的研究和應用工作，具備紮實的理論基礎和豐富的編程經驗，對數字圖像處理和深度學習具有較為深刻的認識和理解。目前已發表學術論文5篇，獲授權發明專利2項，授權軟體著作權1項，參編教材1部。
目錄
第1篇  圖像處理基礎知識
  第1章  電腦視覺與數字圖像概述
    1.1  電腦視覺簡介
      1.1.1  人類視覺簡介
      1.1.2  電腦視覺簡介
    1.2  數字圖像簡介
      1.2.1  圖像的概念
      1.2.2  數字圖像的概念
      1.2.3  數字圖像的類型
    1.3  數字圖像的存儲
    1.4  數字圖像的處理
      1.4.1  數字圖像處理簡介
      1.4.2  數字圖像處理的發展
      1.4.3  數字圖像處理的內容
    1.5  PyTorch框架與圖像處理
    1.6  小結
    1.7  習題
  第2章  搭建開發環境
    2.1  Python簡介
      2.1.1  Python的發展歷程
      2.1.2  下載Python安裝包
      2.1.3  安裝Python
      2.1.4  執行Python程序
    2.2  CUDA簡介
      2.2.1  CUDA的發展歷程
      2.2.2  安裝CUDA
    2.3  Python第三方庫簡介
      2.3.1  檢索Python第三方庫
      2.3.2  安裝Python第三方庫
      2.3.3  孑圖像處理相關的第三方庫
    2.4  安裝PyTorch
    2.5  安裝可視化工具Visdom
    2.6  安裝集成開發環境Spyder
    2.7  小結
    2.8  習題
  第3章  Python編程基礎
    3.1  Python語法基礎知識
      3.1.1  數據類型與類
      3.1.2  流程式控制制
      3.1.3  函數
      3.1.4  類與對象
      3.1.5  標準庫
      3.1.6  第三方庫
    3.2  PyTorch基礎知識
      3.2.1  張量的創建
      3.2.2  張量的運算
      3.2.3  卷積及局部鄰域的運算
      3.2.4  張量的變換
    3.3  Visdom基礎知識
      3.3.1  圖像的繪製

      3.3.2  圖表的繪製
    3.4  小結
    3.5  習題
第2篇  基於經典方法的圖像處理
  第4章  圖像處理基礎知識
    4.1  圖像與張量的互操作
    4.2  圖像的點運算
      4.2.1  圖像增強
      4.2.2  圖像顏色空間變換
      4.2.3  灰度圖像的亮度變換
      4.2.4  簡單圖像二值化
      4.2.5  圖像蒙版處理
      4.2.6  圖像的混合
    4.3  圖像的鄰域運算
      4.3.1  圖像鄰域的生成
      4.3.2  圖像的濾波去噪
      4.3.3  圖像的形態學運算
      4.3.4  局部二值模式
      4.3.5  局部最大值指數
    4.4  圖像的全局運算
      4.4.1  圖像的簡單旋轉與翻轉
      4.4.2  圖像的縮放
      4.4.3  圖像的裁切
      4.4.4  圖像直方圖均衡化
    4.5  小結
    4.6  習題
  第5章  圖像的基礎特徵
    5.1  圖像的特徵點
      5.1.1  特徵點簡介
      5.1.2  Harris角點
      5.1.3  提取Harris角點
    5.2  圖像的線特徵
      5.2.1  Roberts運算元
      5.2.2  Prewitt運算元
      5.2.3  Sobel運算元
      5.2.4  Scharr運算元
      5.2.5  Lap1acian運算元
    5.3  圖像的面特徵
      5.3.1  群均值聚類
      5.3.2  SL1C演算法
    5.4  小結
    5.5  習題
  第6章  自動梯度與神經網路
    6.1  自動梯度
      6.1.1  梯度下降與函數極小值求解
      6.1.2  自動梯度計算
      6.1.3  自動梯度擬合多項式函數
    6.2  模塊
    6.3  激活函數
    6.4  損失函數

    6.5  優化器
    6.6  全連接神經網路
    6.7  小結
    6.8  習題
  第7章  數據準備與圖像預處理
    7.1  Torchvision庫簡介
    7.2  構建數據集
    7.3  數據變換與增強
      7.3.1  PIL圖像和張量的共同變換
      7.3.2  基於張量的變換
      7.3.3  自定義數據的變換和增強
    7.4  小結
    7.5  習題
第3篇  基於深度學習的圖像處理
  第8章  圖像分類
    8.1  圖像分類與卷積神經網路
      8.1.1  圖像分類及其進展
      8.1.2  預訓練模型的使用
    8.2  經典的卷積神經網路
      8.2.1  VGGNet模型
      8.2.2  ResNet模型
    8.3  卷積神經網路的訓練與評估
    8.4  遷移學習簡介
    8.5  小結
    8.6  習題
  第9章  圖像分割
    9.1  圖像分割與卷積神經網路
    9.2  分割數據集
    9.3  FCN分割模型
    9.4  UNet分割模型
    9.5  分割網路的訓練與評估
      9.5.1  損失函數
      9.5.2  優化器
      9.5.3  評價指標
    9.6  分割網路實踐
    9.7  小結
    9.8  習題
  第10章  目標檢測
    10.1  目標檢測與卷積神經網路
      10.1.1  目標檢測的常用術語
      10.1.2  目標檢測的類型
    10.2  預訓練網路的使用
      10.2.1  Torchvision的預訓練模型
      10.2.2  YOLOv5的預訓練模型
    10.3  FCOS模型及其訓練
      10.3.1  FCOS模型簡介
      10.3.2  數據集的構建
      10.3.3  模型的訓練和預測
    10.4  YOLOv5模型及其訓練
      10.4.1  數據集的構建

      10.4.2  模型的構建
      10.4.3  模型的訓練和預測
    10.5  小結
    10.6  習題
  第11章  模型部署
    11.1  模型部署簡介
    11.2  使用LibTorch進行模型部署
    11.3  使用ONNX進行模型部署
    11.4  使用OpenCV進行模型部署
    11.5  使用OpenVINO進行模型部署
    11.6  小結
    11.7  習題

  • 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