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

Python電腦視覺編程與應用(普通高等教育新工科智能製造工程系列教材)

  • 作者：編者:劉國華|責編:余?//趙亞敏
  • 出版社：機械工業
  • ISBN：9787111780052
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：272
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    Python作為實現電腦視覺編程的第一大語言，簡單方便，是一種效率極高的語言。本書共分10章，首先，介紹了Python的編程基礎及其在電腦視覺中，關於傳統圖像處理方面的編程應用；其次，介紹了深度卷積神經網路的理論基礎及PyTorch深度學習框架；最後，介紹了Python在圖像分類、目標檢測和語義分割中的典型應用，以及輕量化網路與遷移學習的相關知識。在每一章的結尾都附有必要的習題，供教學或自學練習使用，以便讀者加深對本書所述內容的理解。
    本書深度適中，內容力求精煉，可作為高等學校電子信息工程、通信與信息工程、電腦科學與技術等專業本科生與研究生的教學參考書，也可供從事電腦視覺、人工智慧等相關領域的科研人員和工程技術人員參考。
作者介紹
編者:劉國華|責編:余?//趙亞敏
目錄
前言
第1章  Python編程基礎
  1.1  基本語法
  1.2  序列與數據結構
  1.3  函數與模塊
  1.4  面向對象編程
  本章小結
  習題
第2章  Python文件操作與異常處理
  2.1  文件操作
  2.2  異常處理
  本章小結
  習題
第3章  Python基本圖像操作
  3.1  使用Pillow進行圖像基礎操作
  3.2  使用Matplotlib進行圖像分析
  3.3  利用NumPy進行圖像數據處理
  3.4  借助SciPy進行高級圖像處理
  3.5  使用scikit-image處理圖像
  本章小結
  習題
第4章  Python傳統圖像處理方法
  4.1  圖像增強
  4.2  圖像分類
  4.3  目標檢測
  4.4  圖像分割
  本章小結
  習題
第5章  深度卷積神經網路基礎
  5.1  監督學習和無監督學習
  5.2  欠擬合和過擬合
  5.3  反向傳播
  5.4  損失和優化
  5.5  激活函數
  5.6  卷積神經網路基礎
  本章小結
  習題
第6章  PyTorch深度學習框架
  6.1  PyTorch框架簡介
  6.2  PyTorch環境配置與安裝
  6.3  PyTorch中的Tensor
  6.4  PyTorch常用模塊及庫
  6.5  神經網路模型搭建與參數優化
  本章小結
  習題
第7章  電腦視覺應用——圖像分類
  7.1  圖像分類簡介
  7.2  ResNet基本原理
  7.3  訓練過程
  7.4  模型結果評估

  本章小結
  習題
第8章  電腦視覺應用——目標檢測
  8.1  目標檢測簡介
  8.2  兩階段式目標檢測演算法
  8.3  單階段式目標檢測網路
  8.4  目標檢測演算法性能評估指標
  本章小結
  習題
第9章  電腦視覺應用——語義分割
  9.1  圖像語義分割介紹
  9.2  DeepLab系列語義分割網路發展概述
  9.3  DeepLabV3+網路基本原理
  9.4  模型訓練與評估
  本章小結
  習題
第10章  輕量化網路與遷移學習
  10.1  模型壓縮
  10.2  輕量化網路結構
  10.3  輕量化網路性能評估
  10.4  遷移學習的分類與方法
  10.5  微調遷移應用實例
  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