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

電腦視覺開發(慕課版名校名師精品系列教材)

  • 作者：編者:凌明勝|責編:劉佳
  • 出版社：人民郵電
  • ISBN：9787115675941
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：188
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞電腦視覺的關鍵技術，採用由淺入深、循序漸進的講授方式，遵循和尊重初學者對電腦視覺知識的認知規律，介紹基於深度學習的電腦視覺的基礎理論，並結合常見應用場景，利用TensorFlow 2框架講解項目實戰。
    本書共7章，主要包括初識電腦視覺、TensorFlow 2.x基礎、圖像預處理、人工神經網路、卷積神經網路、圖像分類與遷移學習、目標檢測。
    本書既可作為職業本科和高職院校人工智慧相關專業的教材，也可作為從事電腦視覺相關工作的專業技術人員和廣大電腦視覺愛好者的自學參考書。
作者介紹
編者:凌明勝|責編:劉佳
目錄
第1章  初識電腦視覺
  1.1  人類視覺系統
    1.1.1  電腦視覺
    1.1.2  語義鴻溝
    1.1.3  電腦視覺定義
    1.1.4  基於深度學習的電腦視覺工作原理
  1.2  電腦視覺典型任務
    1.2.1  圖像分類
    1.2.2  目標檢測
    1.2.3  圖像分割
  1.3  電腦視覺的發展過程
    1.3.1  20世紀50年代，二維圖像的分析和識別
    1.3.2  20世紀60年代，理解三維場景
    1.3.3  20世紀70年代，恢復三維結構
    1.3.4  20世紀80年代，專家系統
    1.3.5  20世紀90年代，特徵對象識別
    1.3.6  21世紀初，圖像特徵工程
    1.3.7  2010年至今，深度學習
  1.4  電腦視覺行業應用
    1.4.1  智慧醫療領域
    1.4.2  公共安全領域
    1.4.3  智慧交通領域
    1.4.4  其他社會領域
  1.5  基礎開發環境搭建
    1.5.1  下載及安裝Anaconda
    1.5.2  使用Anaconda安裝TensorFlow
    1.5.3  使用Anaconda安裝OpenCV
    1.5.4  使用Jupyter Notebook
  1.6  本章小結
第2章  TensorFlow 2.x基礎
  2.1  數據類型
    2.1.1  數值類型
    2.1.2  字元串類型
    2.1.3  布爾類型
    2.1.4  數值精度
    2.1.5  類型轉換
  2.2  變數
  2.3  創建張量
    2.3.1  用Python列表、numpy數組創建張量
    2.3.2  創建全0或全1張量
    2.3.3  創建已知分佈的張量
  2.4  索引與切片
    2.4.1  索引
    2.4.2  切片
  2.5  維度變換
    2.5.1  改變視圖
    2.5.2  改變維度
  2.6  數學運算
    2.6.1  常規四則運算
    2.6.2  指數和對數運算

    2.6.3  矩陣相乘運算
  2.7  自動求導機制
  2.8  TensorBoard可視化組件
    2.8.1  TensorBoard簡介
    2.8.2  TensorBoard的基本用法
  2.9  keras.datasets
    2.9.1  數據集載入
    2.9.2  數據預處理
  2.10  本章小結
第3章  圖像預處理
  3.1  圖像基礎
  3.2  圖像數據解析
    3.2.1  圖像編碼
    3.2.2  圖像解碼
  3.3  圖像數據處理
    3.3.1  圖像縮放
    3.3.2  圖像翻轉
    3.3.3  圖像旋轉
    3.3.4  圖像色彩調整
    3.3.5  圖像數據增強
  3.4  本章小結
第4章  人工神經網路
  4.1  人工神經網路基礎
    4.1.1  神經元模型
    4.1.2  感知機
    4.1.3  激活函數
    4.1.4  參數初始化
    4.1.5  tf.keras神經網路模型構建
  4.2  人工神經網路的訓練過程
    4.2.1  前向傳播
    4.2.2  損失函數
    4.2.3  反向傳播
    4.2.4  梯度下降演算法
    4.2.5  梯度下降優化方法
    4.2.6  輪、批大小、迭代
  4.3  模型過擬合解決辦法
    4.3.1  L1正則化與L2正則化
    4.3.2  Dropout
    4.3.3  批歸一化
    4.3.4  提前停止訓練
  4.4  實戰：MNIST手寫數字識別
    4.4.1  數據載入
    4.4.2  數據處理
    4.4.3  模型構建
    4.4.4  模型編譯
    4.4.5  模型訓練
    4.4.6  模型評估
    4.4.7  模型保存
  4.5  本章小結
第5章  卷積神經網路

  5.1  全連接神經網路vs卷積神經網路
    5.1.1  全連接神經網路處理圖像的問題
    5.1.2  卷積神經網路的解決辦法
  5.2  卷積
    5.2.1  卷積計算
    5.2.2  填充
    5.2.3  步長
    5.2.4  多通道卷積
    5.2.5  多卷積核卷積
    5.2.6  tf.keras卷積實現
  5.3  池化
    5.3.1  池化操作
    5.3.2  tf.keras池化操作實現
  5.4  卷積神經網路基本結構
    5.4.1  輸入層
    5.4.2  卷積層
    5.4.3  池化層
    5.4.4  全連接層
  5.5  LeNet 5網路構建
  5.6  常見卷積神經網路模型
    5.6.1  AlexNet
    5.6.2  VGGNet
    5.6.3  GoogLeNet
  5.7  實戰：花朵識別
    5.7.1  前期工作
    5.7.2  數據預處理
    5.7.3  構建卷積神經網路模型
    5.7.4  編譯模型
    5.7.5  訓練模型
    5.7.6  可視化訓練結果
  5.8  本章小結
第6章  圖像分類與遷移學習
  6.1  圖像分類概述
  6.2  實戰：自定義網路實現「貓狗大戰」
    6.2.1  數據集載入
    6.2.2  數據預處理
    6.2.3  自定義網路模型
    6.2.4  編譯模型
    6.2.5  訓練模型
    6.2.6  可視化訓練結果
    6.2.7  數據增強
  6.3  遷移學習
  6.4  使用遷移學習實現「貓狗大戰」
    6.4.1  實例化InceptionV3
    6.4.2  為模型添加新的層
    6.4.3  編譯模型
    6.4.4  訓練模型
  6.5  TensorFlow Hub介紹
  6.6  使用TensorFlow Hub進行花卉分類
    6.6.1  下載數據

    6.6.2  創建數據集
    6.6.3  使數據適應模型
    6.6.4  構建模型
    6.6.5  訓練與評估
  6.7  本章小結
第7章  目標檢測
  7.1  目標檢測的基本概念
  7.2  目標檢測常用數據集和標注工具
    7.2.1  數據集
    7.2.2  標注工具
  7.3  目標檢測常用技術
    7.3.1  邊界框
    7.3.2  數據表示
    7.3.3  效果評估
  7.4  常用網路類型
    7.4.1  RCNN系列
    7.4.2  YOLO系列
  7.5  人臉識別
    7.5.1  MTCNN工作原理
    7.5.2  FaceNet
    7.5.3  人臉檢測實踐
  7.6  目標檢測案例（YOLOv3）
    7.6.1  YOLOv3結構及其工作流程
    7.6.2  YOLOv3應用實踐
    7.6.3  YOLOv3核心功能代碼
    7.6.4  採用YOLOv3模型實現目標檢測
  7.7  本章小結

  • 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