幫助中心 | 我的帳號 | 關於我們

深度學習與圖像處理(PaddlePaddle版)

  • 作者:錢彬//朱會傑//晉軍偉|責編:陳景輝
  • 出版社:清華大學
  • ISBN:9787302673774
  • 出版日期:2024/10/01
  • 裝幀:平裝
  • 頁數:292
人民幣:RMB 69.9 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書基於國產開源深度學習框架PaddlePaddle進行編寫,全面、系統地介紹了PaddlePaddle在數字圖像處理中的各種技術及應用,書中項目實例全部採用動態圖版本實現。全書共8章,分別介紹了基於深度學習的圖像分類、目標檢測、語義分割、實例分割、關鍵點檢測、風格遷移等內容,所有知識點均通過實際項目進行串聯,旨在幫助讀者在掌握基本深度學習演算法原理的基礎上,擴展項目實操能力,達到學以致用的效果。
    本書可作為全國高等學校電腦、人工智慧等專業的「深度學習」課程教材,主要面向相關領域的教師、在讀學生和科研人員,以及從事深度學習與圖像處理的工程技術人員和愛好者。

作者介紹
錢彬//朱會傑//晉軍偉|責編:陳景輝

目錄
第1部分  基礎知識
  第1章  圖像處理基礎
    1.1  圖像處理的基本概念
      1.1.1  模擬圖像和數字圖像
      1.1.2  數字圖像常見類型
      1.1.3  應用方向
    1.2  圖像處理基本操作
      1.2.1  安裝OpenCV
      1.2.2  圖像讀取、保存和可視化
      1.2.3  像素操作
      1.2.4  圖像轉換
      1.2.5  圖像縮放
      1.2.6  圖像裁剪
      1.2.7  翻轉和旋轉
    1.3  圖像卷積和濾波
      1.3.1  線性濾波與卷積
      1.3.2  常見卷積核
    1.4  綜合案例應用:基於OpenCV的自動駕駛小車
      1.4.1  任務概述
      1.4.2  安裝模擬平台
      1.4.3  車道線檢測
      1.4.4  動作控制
    1.5  小結
  第2章  深度學習基礎
    2.1  深度學習概述
      2.1.1  人工智慧、機器學習和深度學習
      2.1.2  深度學習起源和發展
      2.1.3  深度學習框架
    2.2  環境安裝
      2.2.1  安裝說明
      2.2.2  Windows平台
      2.2.3  Ubuntu平台
      2.2.4  AI Suadio平台
    2.3  PaddlePaddle基礎
      2.3.1  Tensor表示
      2.3.2  Tensor計算
      2.3.3  自動求梯度
    2.4  PaddlePaddle實現機器學習:線性回歸投資預測
      2.4.1  問題定義
      2.4.2  導數法
      2.4.3  梯度下降法
    2.5  PaddlePaddle實現深度學習:自動駕駛小車控制
      2.5.1  卷積神經網路基礎
      2.5.2  演算法原理
      2.5.3  數據採集
      2.5.4  數據讀取
      2.5.5  網路模型
      2.5.6  損失函數
      2.5.7  優化演算法
      2.5.8  模型訓練

      2.5.9  模型驗證
      2.5.10  模型集成
    2.6  小結
第2部分  案例應用
  第3章  圖像分類(智能垃圾分揀器)
    3.1  任務概述
      3.1.1  任務背景
      3.1.2  安裝PaddleClas套件
    3.2  演算法原理
      3.2.1  VGG演算法
      3.2.2  ResNet演算法
      3.2.3  MobileNet演算法
    3.3  演算法研發
      3.3.1  數據集準備
      3.3.2  演算法訓練
    3.4  Jetson Nano智能終端部署(Linux GPU推理)
      3.4.1  部署工具FastDeploy介紹
      3.4.2  Jetson Nano上Python推理
      3.4.3  Jetson Nano上C++推理
    3.5  小結
  第4章  目標檢測(二維碼掃碼槍)
    4.1  任務概述
      4.1.1  任務背景
      4.1.2  安裝PaddleDetecttion套件
    4.2  演算法原理
      4.2.1  目標檢測常用概念
      4.2.2  RCNN演算法
      4.2.3  Fast RCNN演算法
      4.2.4  Faster RCNN演算法
      4.2.5  YOLO v3演算法
      4.2.6  PieoDet演算法
    4.3  演算法研發
      4.3.1  目標檢測數據集常用格式介紹
      4.3.2  使用Labelme製作自己的二維碼檢測數據集
      4.3.3  Labelme格式轉換成COCO格式
      4.3.4  演算法訓練
    4.4  樹莓派開發板部署(Linux CPU推理)
      4.4.1  樹莓派上Python推理
      4.4.2  樹莓派上C++推理
    4.5  小結
  第5章  語義分割(證件照製作工具)
    5.1  任務概述
      5.1.1  任務背景
      5.1.2  安裝PaddleSeg套件
    5.2  演算法原理
      5.2.1  FCN演算法
      5.2.2  UNet演算法
      5.2.3  HRNet演算法
      5.2.4  OCRNet演算法
    5.3  演算法研發

      5.3.1  數據集準備
      5.3.2  使用Labelme製作自己的語義分割數據集
      5.3.3  演算法訓練
    5.4  Qt C++桌面客戶端部署(Windows CPU推理)
      5.4.1  Qt基礎示常式序介紹
      5.4.2  配置並導入FastDeploy庫
      5.4.3  編寫演算法推理模塊
      5.4.4  集成依賴庫和模型
    5.5  小結
  第6章  實例分割(腎小球影像分析儀)
    6.1  任務概述
      6.1.1  任務背景
      6.1.2  實例分割概述
    6.2  演算法原理
    6.3  演算法研發
      6.3.1  數據集準備
      6.3.2  演算法訓練
    6.4  C#工控程序部署(Windows GPU推理)
      6.4.1  生成C++示例工程
      6.4.2  編譯C++動態鏈接庫
      6.4.3  編寫C#工程
    6.5  小結
  第7章  關鍵點檢測(身份證識讀App)
    7.1  任務概述
      7.1.1  任務背景
      7.1.2  關鍵點檢測概述
    7.2  PPTinyPose演算法原理
      7.2.1  Lite-HRNet骨幹網路演算法
      7.2.2  數據增強演算法
      7.2.3  分佈感知坐標表示方法
      7.2.4  無偏數據處理
    7.3  演算法研發
      7.3.1  數據集準備
      7.3.2  演算法訓練
    7.4  移動端部署(安卓Java推理)
      7.4.1  安卓基礎示常式序
      7.4.2  配置FastDeploy庫
      7.4.3  編寫推理模塊
    7.5  小結
  第8章  風格遷移(照片動漫化在線轉換網站)
    8.1  任務概述
      8.1.1  任務背景
      8.1.2  安裝PaddleGAN套件
    8.2  演算法原理
      8.2.1  GAN演算法
      8.2.2  DCGAN演算法
      8.2.3  AnimeGAN演算法
    8.3  演算法研發
      8.3.1  數據集準備
      8.3.2  訓練

    8.4  微服務部署(FastDeploy Serving推理)
      8.4.1  準備Docker環境
      8.4.2  部署服務
      8.4.3  微服務開發
    8.5  小結
後記

  • 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