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

電腦視覺基礎(高等院校智能製造人才培養系列教材)

  • 作者：編者:馮占榮//王利霞//江一|責編:張海麗//周紅
  • 出版社：化學工業
  • ISBN：9787122469953
  • 出版日期：2025/03/01
  • 裝幀：平裝
  • 頁數：281
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Python語言為工具，以圖像為載體，對電腦視覺涉及的操作和變換方法進行了詳細的介紹及實現。全書共分10章，分別為電腦視覺概述、編程語言Python及庫簡介、數字圖像預處理、圖像特徵與檢測、機器學習、BP神經網路基礎、卷積神經網路CNN、經典神經網路結構分析、百度EasyDL入門以及電腦視覺在製造行業應用案例分析。
    本書可作為高等院校智能製造工程、人工智慧等相關專業的教材，亦可作為圖像處理、多媒體編程、電腦視覺領域人員的實用參考書。
作者介紹
編者:馮占榮//王利霞//江一|責編:張海麗//周紅
目錄
第1章  電腦視覺概述
  本章思維導圖
  本章學習目標
  1.1  電腦視覺、模式識別和機器視覺
  1.2  電腦視覺與生物視覺
  1.3  機器學習在電腦視覺中的作用
  1.4  電腦視覺的應用領域
  1.5  電腦視覺技術可能面臨的挑戰
  本章小結
  習題
第2章  編程語言Python及庫簡介
  本章思維導圖
  本章學習目標
  2.1  搭建開發環境和使用
    2.1.1  Anaconda的安裝
    2.1.2  Spyder漢化與簡介
    2.1.3  Spyder編程示例
  2.2  編程語言Python
    2.2.1  Python註釋
    2.2.2  print輸出語句
    2.2.3  標識符
    2.2.4  變數的操作
    2.2.5  行與縮進
    2.2.6  常用五大標準數據類型
    2.2.7  運算符
    2.2.8  分支語句
    2.2.9  循環語句
    2.2.10  函數
    2.2.11  模塊
    2.2.12  包
    2.2.13  類
  2.3  科學計算庫NumPy
    2.3.1  NumPy簡介
    2.3.2  多維數組對象
    2.3.3  索引方法
    2.3.4  數組維度的變換
    2.3.5  對象的屬性
    2.3.6  數組的數學函數
    2.3.7  NumPy中幾個典型函數
  2.4  可視化庫Matplotlib簡介
    2.4.1  最基礎的繪圖示例
    2.4.2  標籤和圖例
    2.4.3  子圖
  2.5  機器學習Scikit-learn庫簡介
    2.5.1  數據集
    2.5.2  數據集劃分
    2.5.3  數據預處理
    2.5.4  通用學習模式
  2.6  圖像處理OpenCV庫簡介
    2.6.1  OpenCV核心模塊

    2.6.2  OpenCV圖像基礎操作
  2.7  深度學習框架PyTorch
    2.7.1  創建Tensor
    2.7.2  Tensor運算
    2.7.3  PyTorch網路搭建所需函數/類
  本章小結
  習題
第3章  數字圖像預處理
  本章思維導圖
  本章學習目標
  3.1  圖像採樣與量化
    3.1.1  坐標系約定
    3.1.2  採樣
    3.1.3  量化
  3.2  色彩空間
    3.2.1  RGB色彩空間
    3.2.2  GRAY色彩空間
    3.2.3  YCrCb色彩空間
    3.2.4  HSV色彩空間
  3.3  圖像幾何變換
    3.3.1  縮放
    3.3.2  翻轉
    3.3.3  旋轉（直角旋轉）
    3.3.4  仿射變換
  3.4  直方圖修正
    3.4.1  灰度圖像直方圖
    3.4.2  圖像清晰化
    3.4.3  全局閾值處理
    3.4.4  自適應閾值處理
  3.5  圖像去噪及卷積
    3.5.1  圖像雜訊
    3.5.2  均值濾波
    3.5.3  中值濾波
    3.5.4  高斯濾波
    3.5.5  卷積與銳化
    3.5.6  二值圖像的去噪
  本章小結
  習題
第4章  圖像特徵與檢測
  本章思維導圖
  本章學習目標
  4.1  邊緣檢測
    4.1.1  Roberts運算元
    4.1.2  Prewitt運算元
    4.1.3  Sobel運算元
    4.1.4  Scharr運算元
    4.1.5  Laplacian運算元
    4.1.6  Canny運算元
    4.1.7  圖像傅里葉變換
    4.1.8  邊緣檢測的作用

  4.2  圖像幾何參數的檢測
    4.2.1  基於輪廓的對象識別
    4.2.2  Hough變換
  4.3  圖像紋理的檢測
  4.4  基於哈希值的檢測
    4.4.1  均值哈希
    4.4.2  差異哈希
  4.5  基於LBP運算元的特徵檢測
    4.5.1  基本LBP運算元
    4.5.2  圓形LBP運算元
    4.5.3  旋轉不變LBP特徵
    4.5.4  均勻LBP模式
    4.5.5  LBPH（LBP特徵統計直方圖）
  4.6  基於HOG運算元的特徵檢測
  4.7  基於色彩的提取
  4.8  基於差分的提取
    4.8.1  幀間差分
    4.8.2  背景差分
  4.9  光流追蹤
    4.9.1  稀疏光流
    4.9.2  密集光流
  本章小結
  習題
第5章  機器學習
  本章思維導圖
  本章學習目標
  5.1  K-Means實現
  5.2  K最近鄰演算法
    5.2.1  歐氏距離(euclidean distance)
    5.2.2  曼哈頓距離(manhattan distance)
    5.2.3  閔可夫斯基距離(minkowski distance)
    5.2.4  餘弦距離（cosine distance）
  5.3  樸素貝葉斯演算法
    5.3.1  貝葉斯公式
    5.3.2  樸素貝葉斯
  5.4  決策樹演算法
    5.4.1  特徵選擇
    5.4.2  決策樹的修剪
  5.5  支持向量機SVM
  5.6  主成分分析PCA演算法
  5.7  線性回歸演算法
    5.7.1  線性回歸導入
    5.7.2  代價函數
    5.7.3  梯度下降法
    5.7.4  嶺回歸（ridge regression）
    5.7.5  套索回歸（lasso regression）
    5.7.6  彈性網路（elastic net）
  5.8  邏輯回歸演算法
    5.8.1  Sigmoid函數
    5.8.2  代價函數

  5.9  模型評估
    5.9.1  混淆矩陣
    5.9.2  分類問題常用評估指標
    5.9.3  回歸問題常用評估指標
    5.9.4  評估方法
  本章小結
  習題
第6章  BP神經網路基礎
  本章思維導圖
  本章學習目標
  6.1  感知機
  6.2  感知機的激活函數
  6.3  神經網路的激活函數
    6.3.1  Sigmoid函數
    6.3.2  Tanh函數
    6.3.3  ReLU函數
    6.3.4  Leaky ReLU、PReLU、RReLU函數
    6.3.5  ELU函數
    6.3.6  SELU函數
  6.4  輸出層的設計
    6.4.1  恆等函數和Softmax函數
    6.4.2  Softmax函數的特徵
    6.4.3  輸出層的神經元
  6.5  損失函數
  6.6  鏈式法則與計算圖的反向傳播
  6.7  隱藏層
  6.8  PyTorch實現線性回歸
  6.9  PyTorch實現邏輯回歸
  6.10  BP神經網路入門示例
  本章小結
  習題
第7章  卷積神經網路CNN
  本章思維導圖
  本章學習目標
  7.1  輸入層
  7.2  全連接層
  7.3  全連接層在圖像處理中的問題
  7.4  卷積層
  7.5  池化層
  7.6  激活層
  7.7  特徵圖形象化
  7.8  簡單的CNN網路示例
  本章小結
  習題
第8章  經典神經網路結構分析
  本章思維導圖
  本章學習目標
  8.1  典型網路LeNet5
    8.1.1  LeNet5解析
    8.1.2  PyTorch實現LeNet5

    8.1.3  PyTorch實現模型的保存與載入
  8.2  典型網路AlexNet
    8.2.1  AlexNet網路分析
    8.2.2  局部響應歸一化
    8.2.3  批歸一化
    8.2.4  Dropout
    8.2.5  實現AlexNet
  8.3  典型網路VGGNet
    8.3.1  VGGNet網路分析
    8.3.2  手工構建VGGNet
  8.4  典型網路Inception
    8.4.1  Inception網路分析
    8.4.2  手工構建Inception網路
  8.5  典型網路ResNet
    8.5.1  ResNet網路分析
    8.5.2  手工構建ResNet
  8.6  幾種網路的比較
  8.7  卷積神經網路的發展
    8.7.1  分類網路
    8.7.2  檢測網路
    8.7.3  分割網路
  本章小結
  習題
第9章  百度EasyDL入門
  本章思維導圖
  本章學習目標
  9.1  圖像分類
    9.1.1  創建數據集
    9.1.2  數據集標注
    9.1.3  模型訓練
    9.1.4  模型校驗
    9.1.5  模型發布
    9.1.6  體驗模型
  9.2  物體檢測
    9.2.1  創建數據集
    9.2.2  數據集標注
    9.2.3  模型訓練
    9.2.4  模型校驗
    9.2.5  模型發布和體驗模型
  9.3  圖像分割
  本章小結
  習題
第10章  電腦視覺在製造行業應用案例分析
  本章思維導圖
  本章學習目標
  10.1  齒輪齒數統計分析
  10.2  滾動軸承故障診斷
  10.3  薄壁件銑削顫振監測
  本章小結
  習題

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