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

機器視覺應用開發與項目案例教程(高等學校電腦科學與技術項目驅動案例實踐系列教材)

  • 作者：編者:梁立新//林霖//梁震戈//趙建|責編:張瑞慶//常建麗|總主編:李曉明
  • 出版社：清華大學
  • ISBN：9787302688662
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：442
人民幣：RMB 79.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是學習機器視覺的基礎教材，採用「項目驅動」的教學模式，通過完整的智能分揀項目案例，系統地介紹使用機器視覺進行應用開發的方法和技術。本書共10章，主要講解機器視覺、機器視覺智能分揀實訓平台、圖像與機器視覺系統、圖像數據結構和標注、圖像特徵提取、光學字元識別、圖像分類識別、目標檢測與識別、人臉識別、機器視覺雲服務等。
    本書注重理論與實踐相結合，內容詳盡，與時俱進。本書提供了大量實例，突出應用能力的培養，並將一個實際項目的知識點分解在各章作為案例講解，是一本實踐性突出的教材。
    本書適合作為高等學校電腦相關專業的教材，也可供從事機器視覺研究與開發的專業人員參考使用。
作者介紹
編者:梁立新//林霖//梁震戈//趙建|責編:張瑞慶//常建麗|總主編:李曉明
    梁立新，畢業於中國科學技術大學，獲理學學士和管理科學碩士學位，后留學美國伊利諾依理工大學，獲工商管理碩士學位。畢業后工作於美國華爾街、加拿大多倫多證券交易所和Canada Gain Fortune Inc.，擔任高級軟體設計師和首席技術官。現任深圳技術大學大數據與互聯網學院副教授、外國專家局特聘專家。作為主審和作者與教育部高等學校電腦科學與技術教學指導委員會及高校學者研發出「全國高等院校項目驅動案例實踐系列教材」並由清華大學出版社出版。其中兩本教材獲得國家級十二五規劃優秀教材。 
目錄
第1章  機器視覺
  1.1  機器視覺的歷史
  1.2  機器視覺的研究範疇
  1.3  機器視覺的發展和展望
  1.4  本書結構
  1.5  本章小結
  習題1
第2章  機器視覺智能分揀實訓平台
  2.1  智能分揀實訓平台的基本介紹
  2.2  智能分揀實訓平台的硬體設備
    2.2.1  機械臂
    2.2.2  邊緣計算主機
    2.2.3  高清攝像頭
  2.3  智能分揀實訓平台的軟體系統
  2.4  系統的綜合演示
    2.4.1  設備啟動
    2.4.2  機械臂啟動
    2.4.3  啟動分揀程序
  2.5  本章小結
  習題2
第3章  圖像與機器視覺系統
  3.1  圖像處理基礎
    3.1.1  色彩空間
    3.1.2  圖像濾波
    3.1.3  圖像分割
    3.1.4  圖像特徵提取
    3.1.5  目標識別
    3.1.6  圖像運算
  3.2  機器視覺系統
    3.2.1  機器視覺系統簡介
    3.2.2  機器視覺系統的發展歷程
    3.2.3  機器視覺系統的特點
    3.2.4  機器視覺系統構成
  3.3  機器視覺工具
    3.3.1  OpenCV
    3.3.2  圖像數據結構
    3.3.3  OpenCV基本畫圖函數
  3.4  環境部署與軟體安裝
    3.4.1  安裝Python
    3.4.2  安裝pip（Python包管理器）
    3.4.3  安裝Numpy
    3.4.4  安裝OpenCV
    3.4.5  OpenCV環境測試
  3.5  OpenCV完成數據採集和存取
    3.5.1  通過OpenCV錄製視頻
    3.5.2  通過OpenCV讀取視頻
    3.5.3  圖像讀取與保存
  3.6  應用案例：圖像數據採集
    3.6.1  演算法原理
    3.6.2  關鍵代碼

    3.6.3  工程運行
  3.7  本章小結
  習題3
第4章  圖像數據結構和標注
  4.1  圖像數據結構
    4.1.1  圖像的數字化
    4.1.2  數字圖像的存儲格式
  4.2  圖像文件處理
    4.2.1  圖像顯示
    4.2.2  圖像讀取
    4.2.3  圖像保存
    4.2.4  視頻處理
  4.3  圖像標注介紹
    4.3.1  數據標注簡介
    4.3.2  數據預處理
    4.3.3  圖像數據標注
    4.3.4  數據標注管理
  4.4  應用案例：智能分揀圖像數據標注操作
    4.4.1  圖像數據標注工具介紹
    4.4.2  應用案例：使用LabelImg完成智能分揀圖像數據標注
    4.4.3  應用案例：圖片數據預處理
  4.5  應用案例：圖像標記
    4.5.1  演算法原理
    4.5.2  關鍵代碼
    4.5.3  工程運行
  4.6  本章小結
  習題4
第5章  圖像特徵提取
  5.1  圖像變換
    5.1.1  圖像仿射變換
    5.1.2  圖像透射變換
    5.1.3  圖像重映射變換
    5.1.4  Hough（霍夫）變換
  5.2  圖像邊緣檢測
    5.2.1  Prewitt邊緣檢測
    5.2.2  Sobel邊緣檢測
    5.2.3  Scharr邊緣檢測
    5.2.4  Canny邊緣檢測
  5.3  圖像分割
    5.3.1  圖像二值化
    5.3.2  基於二值化的圖像分割實現
    5.3.3  區域生長
    5.3.4  分水嶺演算法
    5.3.5  GrabCut互動式分割
  5.4  數學形態學
    5.4.1  腐蝕
    5.4.2  膨脹
    5.4.3  開運算
    5.4.4  閉運算
    5.4.5  形態學梯度

    5.4.6  形態學檢測邊緣
  5.5  應用案例
    5.5.1  應用案例1：圖像變換
    5.5.2  應用案例2：形態學變換
    5.5.3  應用案例3：圖像特徵提取
  5.6  本章小結
  習題5
第6章  光學字元識別
  6.1  光學字元識別概述
    6.1.1  光學字元識別分類
    6.1.2  OCR的發展
    6.1.3  光學字元識別應用場景
    6.1.4  光學字元識別的優缺點
    6.1.5  光學字元識別演算法
  6.2  圖像直方圖
    6.2.1  繪製灰度直方圖
    6.2.2  繪製彩色直方圖
    6.2.3  直方圖正規化
    6.2.4  直方圖均衡化
    6.2.5  利用直方圖進行圖像分割
  6.3  Sobel邊緣運算元
    6.3.1  Sobel邊緣運算元簡介
    6.3.2  Sobel邊緣運算元常見應用場景
    6.3.3  Sobel邊緣運算元的數學原理和應用
  6.4  圖像模板匹配
    6.4.1  圖像模板匹配簡介
    6.4.2  常見的匹配演算法
    6.4.3  模板匹配應用
  6.5  應用案例：基於模式匹配的光學字元識別
  6.6  本章小結
  習題6
第7章  圖像分類識別
  7.1  深度學習概述
    7.1.1  神經元
    7.1.2  激活函數
    7.1.3  神經網路
    7.1.4  損失函數和反向傳播演算法
    7.1.5  優化策略
  7.2  卷積神經網路
    7.2.1  卷積運算
    7.2.2  卷積神經網路的基本組件
    7.2.3  卷積神經網路示例
  7.3  深度學習框架介紹
    7.3.1  PyTorch
    7.3.2  TensorFlow
    7.3.3  Keras
    7.3.4  3個框架對比
    7.3.5  圖像識別基本流程
  7.4  遷移學習介紹
    7.4.1  遷移學習簡介

    7.4.2  傳統機器學習與遷移學習
    7.4.3  遷移學慣用法
    7.4.4  遷移學習的分類
  7.5  應用案例
    7.5.1  應用案例1：手寫字識別應用
    7.5.2  應用案例2：基於深度學習的54類的圖像分類
  7.6  本章小結
  習題7
第8章  目標檢測與識別
  8.1  概述
  8.2  傳統目標檢測演算法介紹
    8.2.1  區域選擇
    8.2.2  特徵提取
    8.2.3  分類器
    8.2.4  目標跟蹤
    8.2.5  目標檢測數據集
  8.3  深度學習目標檢測框架
    8.3.1  基於Faster-RCNN的目標分類
    8.3.2  基於SSD模型的目標檢測
    8.3.3  YOLO目標檢測演算法
  8.4  應用案例：基於YOLO的漢字分揀目標檢測
    8.4.1  演算法原理
    8.4.2  關鍵代碼
    8.4.3  工程運行
  8.5  本章小結
  習題8
第9章  人臉識別
  9.1  人臉識別原理
    9.1.1  人臉識別技術發展歷程
    9.1.2  人臉識別技術的分類及特點
    9.1.3  人臉識別技術的安全與隱私問題
  9.2  人臉檢測與人數統計技術
    9.2.1  人臉檢測技術原理及常見演算法
    9.2.2  人數統計技術原理及應用場景
  9.3  人臉識別技術
    9.3.1  人臉特徵提取技術
    9.3.2  人臉識別演算法分類及優缺點比較
    9.3.3  人臉對比技術
  9.4  應用案例
    9.4.1  應用案例1：人臉檢測
    9.4.2  應用案例2：人臉屬性
    9.4.3  應用案例3：人臉識別
  9.5  本章小結
  習題9
第10章  機器視覺雲服務
  10.1  概述
  10.2  基於百度雲服務的數字識別
  10.3  基於百度雲服務的圖像分類
  10.4  基於百度雲服務的人物特徵識別
    10.4.1  百度人臉識別

    10.4.2  百度雲人體分析
  10.5  應用案例：基於百度雲服務的車型識別
  10.6  本章小結
  習題10
附錄A  系統配置
  A.1  系統網路配置
  A.2  系統音頻配置
  A.3  智雲網關配置
  A.4  無線節點配置
  A.5  啟動應用案例
附錄B  GW3399邊緣計算網關連接
  B.1  通過SSH連接
  B.2  上傳、下載文件到實驗平台
  B.3  通過VNC連接

  • 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