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(Python版)/大數據與人工智慧技術叢書

  • 作者：編者:王安志//周勛//歐衛華//齊松|責編:付弘宇//薛陽
  • 出版社：清華大學
  • ISBN：9787302713708
  • 出版日期：2026/05/01
  • 裝幀：平裝
  • 頁數：258
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹了深度學習時代下電腦視覺的基礎、工具、核心技術及其應用。全書分為3部分，共9章，內容包括電腦視覺基礎，電腦視覺的常用庫與工具包，深度學習基礎，電腦視覺的4大研究領域（分類、識別、檢測和分割）。本書對每一大類研究領域均進行了深入的闡述，講解了真實應用場景下的主流方法，給出了具體案例的設計和實現。此外，本書每章均包括知識點小結、習題和參考文獻。
    本書聚焦電腦視覺的前沿技術，從實際問題出發，以應用為背景，以案例驅動，在案例分解中逐步融入理論與技術，幫助讀者既知道是什麼，明白為什麼，還知道怎麼做，進而舉一反三，融會貫通，循序漸進地掌握電腦視覺的理論、工具和技術，能運用其分析具體的電腦視覺任務，並設計和實現相應的解決方案。
    本書可作為電腦、人工智慧、電子信息、機器人工程、數字媒體等專業的本科生或研究生教材，也可以作為相關領域從業人員的自學參考書。
作者介紹
編者:王安志//周勛//歐衛華//齊松|責編:付弘宇//薛陽
目錄
第1篇  基礎篇
  第1章  電腦視覺基礎
    1.1  電腦視覺簡介
    1.2  電腦視覺的處理對象
    1.3  電腦視覺的一般處理過程
    1.4  電腦視覺的相近研究領域
    1.5  電腦視覺的典型應用
    小結
    習題
    參考文獻
  第2章  電腦視覺的常用庫與工具包
    2.1  OpenCV
      2.1.1  OpenCV基本操作
      2.1.2  OpenCV基本變換
      2.1.3  OpenCV高級操作
    2.2  Mahotas
      2.2.1  Mahotas基本操作
      2.2.2  色彩空間變換
      2.2.3  閾值化操作
      2.2.4  Mahotas知識拓展
    2.3  PyTorch
      2.3.1  PyTorch簡介
      2.3.2  PyTorch基本操作
      2.3.3  PyTorch實例
    2.4  PyTorch Lightning
    2.5  Torchvision
      2.5.1  torchvision.datasets
      2.5.2  torchvision.transforms
      2.5.3  torchvision.models
      2.5.4  torchvision.utils
    2.6  OpenMMLab系列庫
      2.6.1  OpenMMLab Computer Vision
      2.6.2  OpenMMLab Detection
      2.6.3  OpenMMLab Semantic Segmentation
    2.7  Fastai
    2.8  TensorFlow
      2.8.1  TensorFlow基本操作
      2.8.2  TensorFlow實例
    2.9  其他優秀的深度學習框架
    小結
    習題
    參考文獻
  第3章  深度學習基礎
    3.1  深度學習簡介
    3.2  卷積神經網路
      3.2.1  卷積運算元
      3.2.2  池化操作
      3.2.3  歸一化和正則化
      3.2.4  激活函數
      3.2.5  損失函數

      3.2.6  經典CNN
    3.3  生成式對抗網路
      3.3.1  GAN架構
      3.3.2  GAN的訓練策略
      3.3.3  經典GAN
      3.3.4  GAN案例
    3.4  視覺注意力網路
      3.4.1  線性嵌入層
      3.4.2  Transformer編碼器
    3.5  多層感知機
      3.5.1  多層感知機的原理
      3.5.2  純MLP神經網路
    3.6  擴散模型
      3.6.1  去噪概率擴散模型
      3.6.2  基於分數的生成模型
      3.6.3  基於隨機微分方程的擴散模型
    3.7  圖神經網路
      3.7.1  基於譜域的圖卷積神經網路
      3.7.2  基於空域的圖卷積神經網路
      3.7.3  GraphSAGE
      3.7.4  圖注意力網路
    3.8  神經架構搜索
      3.8.1  搜索空間
      3.8.2  搜索策略
      3.8.3  性能評估策略
    小結
    習題
    參考文獻
第2篇  分類與識別篇
  第4章  視覺分類
    4.1  圖像分類
      4.1.1  圖像分類的操作過程
      4.1.2  圖像分類的常用數據集
      4.1.3  圖像分類的評價指標
      4.1.4  圖像分類的損失函數
      4.1.5  圖像分類方法
      4.1.6  基於深度學習的圖像分類方法
      4.1.7  圖像分類實例
    4.2  視頻分類
      4.2.1  視頻分類的操作過程
      4.2.2  視頻分類的常用數據集
      4.2.3  視頻分類方法
    4.3  細粒度分類
      4.3.1  細粒度分類的常用數據集
      4.3.2  細粒度分類方法
    4.4  視覺分類的實際應用
      4.4.1  醫學圖像分類
      4.4.2  農作物病害分類
    小結
    習題

    參考文獻
  第5章  視覺識別
    5.1  圖像識別
      5.1.1  圖像識別的原理及過程
      5.1.2  圖像識別的應用
      5.1.3  圖像識別實例
    5.2  視頻識別
      5.2.1  視頻識別的原理及過程
      5.2.2  視頻識別的主要方法
    5.3  細粒度識別
      5.3.1  細粒度圖像識別的主要方法
      5.3.2  細粒度圖像識別的應用
    5.4  長尾識別
      5.4.1  長尾識別的主要方法
      5.4.2  長尾識別的應用
    5.5  光學字元識別
      5.5.1  OCR的基本處理流程
      5.5.2  基於OCR技術的車牌識別
    5.6  人臉識別
      5.6.1  人臉識別的技術原理
      5.6.2  人臉識別的常用數據集
      5.6.3  人臉識別的常用評價指標
      5.6.4  人臉識別的應用
    小結
    習題
    參考文獻
第3篇  檢測與分割篇
  第6章  目標檢測
    6.1  通用目標檢測
      6.1.1  Two-stage目標檢測演算法
      6.1.2  One-stage目標檢測演算法
      6.1.3  基於錨框的目標檢測
      6.1.4  無錨框的目標檢測
      6.1.5  少樣本目標檢測
    6.2  微小目標檢測
    6.3  交通工具檢測
    6.4  其他目標檢測實例
    小結
    習題
    參考文獻
  第7章  圖像分割
    7.1  語義分割
      7.1.1  語義分割的分類
      7.1.2  語義分割的實例
      7.1.3  語義分割的常用數據集
    7.2  實例分割
      7.2.1  實例分割的分類
      7.2.2  實例分割的實例
      7.2.3  實例分割的常用數據集
    7.3  全景分割

      7.3.1  全景分割的分類
      7.3.2  全景分割的實例
      7.3.3  全景分割的常用數據集
    7.4  醫學圖像分割
      7.4.1  結直腸息肉分割
      7.4.2  MRI腦瘤分割
      7.4.3  醫學圖像分割的常用數據集
    7.5  視頻目標分割
      7.5.1  視頻目標分割的分類
      7.5.2  視頻目標分割演算法
      7.5.3  視頻目標分割的常用數據集
    小結
    習題
    參考文獻
  第8章  顯著性目標檢測
    8.1  面向RGB圖像的顯著性檢測
      8.1.1  面向RGB顯著性檢測的主要方法
      8.1.2  多尺度特徵提取
      8.1.3  基於注意力機制的特徵增強
      8.1.4  邊緣信息引導的特徵細化
      8.1.5  顯著性目標檢測與分割常用的評價指標
    8.2  面向RGB-D圖像的顯著性檢測
      8.2.1  基於單分支結構的面向RGB-D圖像的顯著性檢測
      8.2.2  基於雙分支結構的面向RGB-D圖像的顯著性檢測
      8.2.3  基於三分支結構的面向RGB-D圖像的顯著性檢測
    8.3  視頻顯著性檢測
    8.4  面向光場圖像的顯著性檢測
    8.5  聯合顯著性檢測
    8.6  面向遙感圖像的顯著性檢測
      8.6.1  兩階段的面向遙感圖像的顯著性檢測
      8.6.2  單階段的面向遙感圖像的顯著性檢測
      8.6.3  面臨的挑戰
    小結
    習題
    參考文獻
  第9章  偽裝目標檢測
    9.1  偽裝技術
    9.2  偽裝目標檢測概述
      9.2.1  偽裝目標檢測的發展歷程
      9.2.2  偽裝目標檢測的應用
      9.2.3  偽裝目標檢測的常用數據集
    9.3  偽裝目標檢測網路的組成
      9.3.1  偽裝目標檢測網路的基本架構
      9.3.2  偽裝目標檢測網路的損失函數
    9.4  基於CNN的偽裝目標檢測方法實例
    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