幫助中心 | 我的帳號 | 關於我們

動手學電腦視覺(新一代人工智慧實戰型人才培養系列教程)

  • 作者:沈為//司翀傑//楊辰//俞勇|責編:劉雅思
  • 出版社:人民郵電
  • ISBN:9787115635754
  • 出版日期:2025/02/01
  • 裝幀:平裝
  • 頁數:296
人民幣:RMB 89.8 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書著眼于電腦視覺教學實踐,系統地介紹了電腦視覺的基本內容及其代碼實現。
    本書包含4個部分:第一部分為電腦視覺導論,帶領讀者初步了解電腦視覺。第二部分為電腦視覺中的圖像處理基礎,介紹了圖像濾波、特徵檢測、圖像拼接、圖像分割等經典的圖像處理演算法;第三部分為電腦視覺中的視覺識別方法,主要講解基於深度學習的視覺識別方法,包括基於深度學習的圖像分類、語義分割、目標檢測、動作識別等;第四部分為電腦視覺中的場景重建,主要討論照相機標定、運動場和光流、平行雙目視覺以及三維重建。本書將電腦視覺演算法原理與實踐相結合,以大量示例和代碼帶領讀者走進電腦視覺的世界,讓讀者對電腦視覺的研究內容、基本原理有基本認識。
    本書適合對電腦視覺感興趣的專業技術人員和研究人員閱讀,同時適合作為人工智慧相關專業電腦視覺課程的教材。

作者介紹
沈為//司翀傑//楊辰//俞勇|責編:劉雅思

目錄
第一部分  電腦視覺導論
  第1章  初探電腦視覺
    1.1  什麼是電腦視覺
    1.2  為什麼需要電腦視覺
    1.3  電腦視覺的難點與挑戰
    1.4  電腦視覺的歷史與發展
    1.5  電腦視覺中變數的數學符號約定
    1.6  小結
第二部分  圖像處理
  第2章  卷積
    2.1  簡介
    2.2  一維卷積
      2.2.1  衝激信號
      2.2.2  方波信號
    2.3  二維卷積
      2.3.1  衝激信號
      2.3.2  方波信號
    2.4  小結
  第3章  圖像濾波
    3.1  簡介
    3.2  圖像雜訊
      3.2.1  椒鹽雜訊
      3.2.2  高斯雜訊
    3.3  均值濾波
    3.4  高斯濾波
    3.5  雙邊濾波
    3.6  中值濾波
    3.7  圖像銳化
    3.8  小結
  第4章  模板匹配
    4.1  簡介
    4.2  模板匹配的實現
      4.2.1  匹配步驟
      4.2.2  相似度度量
    4.3  多目標模板匹配
    4.4  小結
  第5章  邊緣檢測
    5.1  簡介
    5.2  邊緣檢測的數學模型
    5.3  邊緣檢測演算法
      5.3.1  Sobel邊緣檢測演算法
      5.3.2  Canny邊緣檢測演算法
    5.4  小結
    5.5  參考文獻
  第6章  角點檢測
    6.1  簡介
    6.2  Harris角點檢測演算法
      6.2.1  計算像素值變化量
      6.2.2  計算角點響應函數
    6.3  代碼實現

    6.4  圖像變換對角點檢測的影響
    6.5  小結
  第7章  SIFT特徵檢測
    7.1  塊狀區域檢測與尺度空間
    7.2  SIFT演算法
      7.2.1  局部極值點檢測
      7.2.2  特徵點定位與篩選
      7.2.3  特徵點方向計算
      7.2.4  特徵點描述
    7.3  代碼實現
    7.4  小結
    7.5  參考文獻
  第8章  圖像拼接
    8.1  簡介
    8.2  圖像變換
    8.3  圖像拼接演算法
      8.3.1  計算變換矩陣
      8.3.2  利用RANSAC演算法去除誤匹配
      8.3.3  圖像變換與縫合
    8.4  代碼實現
    8.5  小結
    8.6  拓展閱讀
  第9章  圖像分割
    9.1  簡介
    9.2  圖像分割演算法
      9.2.1  基於k均值聚類的圖像分割演算法
      9.2.2  基於圖切割的圖像分割演算法
    9.3  小結
    9.4  參考文獻
第三部分  視覺識別
  第10章  圖像分類
    10.1  簡介
    10.2  數據集和度量
    10.3  基於視覺詞袋模型的圖像分類演算法
    10.4  基於深度卷積網路的圖像分類演算法
    10.5  小結
    10.6  參考文獻
  第11章  語義分割
    11.1  簡介
    11.2  數據集和度量
    11.3  全卷積網路
      11.3.1  上採樣
      11.3.2  跳躍連接
    11.4  FCN代碼實現
    11.5  小結
    11.6  參考文獻
  第12章  目標檢測
    12.1  簡介
    12.2  數據集和度量
    12.3  目標檢測模型

      12.3.1  R-CNN
      12.3.2  FastR-CNN
      12.3.3  FasterR-CNN
    12.4  RPN代碼整體框架
      12.4.1  訓練模塊
      12.4.2  head模塊
      12.4.3  anchor_generator模塊
      12.4.4  box_coder模塊
      12.4.5  filter_proposal模塊
    12.5  代碼運行示例
    12.6  小結
    12.7  參考文獻
  第13章  實例分割
    13.1  簡介
    13.2  數據集和度量
    13.3  MaskR-CNN
      13.3.1  特徵金字塔網路
      13.3.2  感興趣區域對齊
    13.4  代碼運行示例
    13.5  小結
    13.6  參考文獻
  第14章  人體姿態估計
    14.1  簡介
    14.2  數據集和度量
      14.2.1  數據集
      14.2.2  評測指標
    14.3  人體姿態估計模型——DeepPose
      14.3.1  基於深度神經網路的人體姿態估計
      14.3.2  級聯回歸
    14.4  DeepPose代碼實現
    14.5  小結
    14.6  參考文獻
  第15章  動作識別
    15.1  簡介
    15.2  數據集和度量
      15.2.1  數據集
      15.2.2  評測指標
    15.3  動作識別模型——C3D
      15.3.1  三維卷積
      15.3.2  C3D模型
    15.4  C3D代碼實現
    15.5  小結
    15.6  參考文獻
第四部分  場景重建
  第16章  照相機標定
    16.1  簡介
    16.2  照相機成像原理
      16.2.1  照相機模型
      16.2.2  坐標系的定義
      16.2.3  照相機外參

      16.2.4  照相機內參
      16.2.5  投影矩陣
      16.2.6  畸變
    16.3  照相機標定的實現
      16.3.1  標定板
      16.3.2  標定流程
      16.3.3  代碼實現
    16.4  小結
  第17章  運動場和光流
    17.1  簡介
    17.2  運動場
    17.3  光流
      17.3.1  特徵點法
      17.3.2  直接法
      17.3.3  Lucas-Kanade光流法
      17.3.4  Lucas-Kanade光流法的改進
    17.4  代碼實現
    17.5  小結
    17.6  參考文獻
  第18章  平行雙目視覺
    18.1  簡介
    18.2  平行雙目照相機
      18.2.1  概念定義
      18.2.2  視差
      18.2.3  雙目特徵匹配
      18.2.4  全局優化
    18.3  代碼實現
    18.4  小結
    18.5  參考文獻
  第19章  三維重建
    19.1  簡介
    19.2  對極幾何
      19.2.1  數學定義
      19.2.2  本質矩陣
      19.2.3  利用八點法求解基礎矩陣
      19.2.4  通過本質矩陣求解照相機位姿
    19.3  三角測量
    19.4  代碼實現
    19.5  小結
總結與展望
中英文術語對照表

  • 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