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

圖像處理演算法及其Python實踐/Python工程應用系列叢書

  • 作者：編者:張曉燕//江保祥//王曉東|責編:劉玉芳
  • 出版社：西安電子科大
  • ISBN：9787560672724
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：264
人民幣：RMB 45 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    Python語言具有簡潔、易讀、擴展性強的特點，是目前圖像處理工程實踐中應用最廣泛的編程語言。本書緊扣讀者需求，採用循序漸進的敘述方式，深入淺出地介紹了使用Python語言解決圖像處理工程中熱點問題的方法。全書共9章：第1章為Python程序設計基礎；第2章為Python圖像處理基礎；第3章為深度學習基礎；第4?9章為基於Python語言圖像處理的典型案例，包括圖像分類、圖像分割、目標檢測、人臉識別、圖像風格遷移和圖像描述等熱點及難點問題。
    本書內容較為系統，注重實用性，既有詳盡的理論基礎知識介紹，又兼顧了Python編程實現技術，知識點明晰且難易適中，可供智能科學與技術、電腦科學與技術、電子信息工程、通信工程、光電信息科學與工程、自動化等專業學生及從事數字圖像處理工作的技術人員學習參考。
作者介紹
編者:張曉燕//江保祥//王曉東|責編:劉玉芳
目錄
第1章  Python程序設計基礎
  1.1  Python語言快速入門
    1.1.1  Python的版本與安裝
    1.1.2  編寫簡單的Python程序
    1.1.3  編輯和運行複雜的Python程序
  1.2  Python語法速覽
    1.2.1  數據類型
    1.2.2  列表與元組
    1.2.3  字典與集合
    1.2.4  程序流程式控制制
    1.2.5  函數定義與調用
  1.3  類與模塊
    1.3.1  類與對象
    1.3.2  類的繼承與多態
    1.3.3  模塊
  1.4  圖形用戶界面設計
    1.4.1  圖形用戶界面概述
    1.4.2  窗體容器和組件
    1.4.3  界面布局管理
    1.4.4  文本框及其他組件
  本章小結
第2章  Python圖像處理基礎
  2.1  圖像處理類庫PIL
    2.1.1  圖像打開與模式轉換
    2.1.2  調整圖像尺寸與旋轉
    2.1.3  創建縮略圖
  2.2  繪圖類庫Matplotlib
    2.2.1  繪製點和線圖像
    2.2.2  繪製圖像輪廓和直方圖
    2.2.3  圖像互動式標注
  2.3  科學計算類庫NumPy
    2.3.1  圖像數組表示
    2.3.2  圖像灰度轉換
    2.3.3  直方圖均衡化
    2.3.4  圖像主成分分析PCA
  2.4  數值運算類庫SciPy
    2.4.1  圖像平滑
    2.4.2  圖像形態學
  本章小結
第3章  深度學習基礎
  3.1  深度學習簡介
  3.2  神經網路基礎
    3.2.1  全連接神經網路結構
    3.2.2  前向傳播與反向傳播
    3.2.3  模型的整體實現
  3.3  深度學習框架PyTorch
    3.3.1  張量與自動微分
    3.3.2  PyTorch常用模塊
    3.3.3  PyTorch搭建全連接神經網路
  3.4  深度學習框架Keras

    3.4.1  Keras常用模塊
    3.4.2  Keras搭建網路模型
    3.4.3  Keras搭建全連接神經網路
  3.5  卷積神經網路CNN
    3.5.1  卷積神經網路結構
    3.5.2  卷積與池化
    3.5.3  卷積神經網路模型
  本章小結
第4章  圖像分類
  4.1  概述
  4.2  圖像分類常用資料庫
  4.3  圖像分類常用方法
    4.3.1  決策樹
    4.3.2  K-近鄰演算法
    4.3.3  邏輯回歸
    4.3.4  基於卷積神經網路的圖像分類
  4.4  圖像分類實現
    4.4.1  數據準備
    4.4.2  分類網路搭建
    4.4.3  分類網路訓練
    4.4.4  測試與可視化
  本章小結
第5章  圖像分割
  5.1  概述
  5.2  圖像分割的常用數據集
  5.3  圖像分割常用方法介紹
    5.3.1  傳統的圖像分割方法
    5.3.2  基於深度學習的圖像分割方法
  5.4  圖像分割實現
    5.4.1  網路模型構建
    5.4.2  網路模型訓練
    5.4.3  網路模型測試
  本章小結
第6章  目標檢測
  6.1  概述
  6.2  常用數據集
  6.3  目標檢測常用方法介紹
    6.3.1  傳統的目標檢測演算法
    6.3.2  基於深度學習的目標檢測演算法
  6.4  目標檢測實現
    6.4.1  文件結構
    6.4.2  數據集的準備
    6.4.3  訓練網路模型
    6.4.4  測試網路模型
    6.4.5  評估網路模型
  本章小結
第7章  人臉識別
  7.1  概述
  7.2  人臉識別常用方法介紹
    7.2.1  特徵臉法

    7.2.2  OpenCV方法
    7.2.3  基於深度學習的方法
  7.3  人臉識別實現
    7.3.1  數據集獲取
    7.3.2  圖像預處理部分
    7.3.3  卷積神經網路搭建
    7.3.4  模型訓練
    7.3.5  模型測試
  本章小結
第8章  圖像風格遷移
  8.1  概述
  8.2  圖像風格遷移常用方法介紹
    8.2.1  基於CNN的圖像風格遷移
    8.2.2  基於GAN的圖像風格遷移
    8.2.3  圖像風格遷移的發展和挑戰
  8.3  圖像風格遷移實現
    8.3.1  載入數據
    8.3.2  損失函數
    8.3.3  導入VGG模型
    8.3.4  選擇輸入圖像
    8.3.5  梯度下降
    8.3.6  風格遷移網路模型訓練
  本章小結
第9章  圖像描述
  9.1  概述
  9.2  數據集介紹
  9.3  圖像描述常用方法介紹
    9.3.1  基於生成的方法
    9.3.2  基於搜索的方法
    9.3.3  基於編解碼的方法
  9.4  圖像描述實現
    9.4.1  數據處理
    9.4.2  ResNet網路的修改
    9.4.3  模型構建步驟
    9.4.4  模型訓練與測試搭建
    9.4.5  運行模型
  本章小結
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