QQ在線客服
免費咨詢熱線
400-615-1233
工作時間-工作日
8:30-17:30
2立封
2平封

Python計算機視覺應用（全彩版）

需要更多信息,請聯系楊　洋
  • 類　　別：計算機系列
  • 書　　名：Python計算機視覺應用（全彩版）
  • 主　　編：劉國華
  • 定　　價：69.8
  • 開　　本：大16開
  • 印刷方式：四色
  • 頁　　數：240
  • 時　　間：2024年9月
  • 出  版  社：上海交通大學出版社
  • 書　　號：978-7-313-31548-9

內容摘要

        本書是依托Python語言講解計算機視覺的基礎理論與算法，并通過大量示例細致分析了圖像形成和處理技術、圖像特征提取、圖像分割、圖像測量、基于多幅圖像的立體視覺技術、深度學習等，特別強調了Python軟件在計算機視覺上的應用方法，并給出了大量數字圖像處理技術的Python實現程序。另外，書中附帶的練習還能讓讀者鞏固并學會應用編程知識。
        本書可作為高等學校電子信息、信號與信息處理、計算機科學與技術等專業(yè)的教材，也適用于有一定編程與數學基礎，想要了解計算機視覺的基本理論與算法的讀者，以及信號處理、物理學、生物醫(yī)藥、機械電子、認知科學等領域的研究人員和從業(yè)者。

目錄

第1章 圖像基本操作
1.1軟件安裝及環(huán)境配置
1.1.1Anaconda安裝
1.1.2Pycharm安裝
1.1.3在Python中安裝圖像處理庫
1.2使用PIL處理圖像
1.2.1讀取及保存圖像
1.2.2圖像區(qū)域的復制粘貼
1.2.3調整圖像尺寸和旋轉圖像
1.2.4其他圖像處理
1.3使用Matplotlib處理圖像
1.3.1在圖像中繪制點和線
1.3.2圖像輪廓和直方圖
1.4使用NumPy處理圖像
1.4.1圖像的數組化
1.4.2灰度變換
1.5使用SciPy處理圖像
1.5.1圖像模糊
1.5.2圖像導數
1.6使用scikitimage處理圖像
1.6.1圖像的旋流變換
1.6.2圖像的添噪
 
第2章 傳統圖像處理方法
2.1圖像增強
2.1.1直方圖均衡化
2.1.2圖像的平滑
2.1.3圖像的銳化
2.2圖像分類
2.2.1特征提取
2.2.2分類器
2.2.3CIFAR10數據集分類
2.3目標檢測
2.3.1Harris角點檢測器
2.3.2斑點檢測器
2.3.3基于HOG特征的SVM檢測目標
2.4圖像分割
2.4.1基于閾值的圖像分割
2.4.2基于邊緣的圖像分割
2.4.3基于區(qū)域的圖像分割
 
第3章 深度卷積神經網絡基礎
3.1監(jiān)督學習和無監(jiān)督學習
3.1.1監(jiān)督學習
3.1.2無監(jiān)督學習
3.2欠擬合和過擬合
3.2.1欠擬合
3.2.2過擬合
3.3反向傳播
3.4損失和優(yōu)化
3.4.1損失函數
3.4.2優(yōu)化函數
3.5激活函數
3.5.1Sigmoid函數
3.5.2tanh函數
3.5.3ReLU函數
3.6卷積神經網絡基礎
3.6.1卷積層
3.6.2池化層
3.6.3全連接層
 
第4章 PyTorch深度學習框架
4.1PyTorch框架簡介
4.1.1使用框架的必要性
4.1.2主流框架對比
4.1.3PyTorch的優(yōu)點
4.1.4PyTorch的架構
4.2PyTorch環(huán)境配置與安裝
4.3PyTorch中的Tensor
4.3.1Tensor的創(chuàng)建
4.3.2Tensor的基本操作
4.4PyTorch常用模塊及庫
4.4.1torch.autograd模塊（自動求導）
4.4.2torch.nn模塊
4.4.3torch.optim模塊
4.4.4torchvision庫
4.5神經網絡模型搭建與參數優(yōu)化
 
第5章 計算機視覺應用——圖像分類
5.1圖像分類簡介
5.2ResNet的基本原理
5.2.1ResNet的起源
5.2.2CNN網絡結構中感受野的概念
5.2.3ResNet的基本網絡結構
5.2.4ResNet模型的代碼實現
5.3訓練過程
5.3.1數據集準備
5.3.2圖像數據預處理
5.3.3訓練ResNet網絡
5.4模型結果評估
 
第6章 計算機視覺應用——2D目標檢測
6.1圖像目標檢測簡介
6.2兩階段式2D目標檢測算法Faster RCNN
6.2.1特征提取部分Conv layers
6.2.2候選區(qū)域網絡
6.2.3興趣域池化
6.2.4分類回歸部分
6.2.5Faster RCNN總結
6.3單階段式2D目標檢測網絡YOLOv5
6.3.1數據輸入
6.3.2特征提取網絡CSPDarkNet53
6.3.3FPN+PAN結構
6.3.4YOLOv5中的錨框機制
6.3.5損失函數
6.3.6非極大值抑制
6.4目標檢測算法評價指標
6.4.1綜合指標
6.4.2PR曲線與ROC曲線
6.4.3均值平均精度
 
第7章 計算機視覺應用——3D目標檢測
7.13D目標檢測概述
7.2基于深度學習的3D目標檢測方法
7.2.1基于圖像的3D目標檢測
7.2.2基于LiDAR的3D目標檢測
7.2.3基于多傳感器的3D目標檢測
7.3經典的3D目標檢測算法VoxelNet
7.4常用的3D目標檢測數據集及其評價指標
7.4.1KITTI數據集
7.4.2nuScenes數據集
7.4.3Waymo數據集
 
第8章 計算機視覺應用——語義分割 
8.1圖像語義分割介紹
8.1.1圖像語義分割概述
8.1.2圖像語義分割的發(fā)展
8.2DeepLabV3+網絡基本原理
8.2.1DeepLab系列語義分割網絡發(fā)展概述
8.2.2DeepLabV3+網絡模型介紹
8.2.3主干特征提取網絡介紹與構建
8.2.4ASPP加強特征提取網絡的構建
8.2.5低層特征與深層特征的融合
8.2.6DeepLabV3+模型的整體網絡框架搭建
8.3模型訓練與評估
8.3.1數據集介紹
8.3.2網絡訓練
8.3.3訓練參數解析
8.3.4模型預測與評價指標計算
 
第9章 計算機視覺應用進階
9.1遷移學習
9.1.1遷移學習的基本概念
9.1.2遷移學習策略
9.1.3遷移學習實戰(zhàn)應用
9.2注意力機制
9.2.1通道注意力機制
9.2.2空間注意力機制
9.2.3通道與空間混合注意力
9.2.4注意力機制優(yōu)化神經網絡實戰(zhàn)
9.3模型壓縮
9.3.1模型剪枝
9.3.2知識蒸餾
9.3.3輕量化網絡
 
第10章 計算機視覺應用的其他任務
10.1深度估計
10.1.1單目深度估計
10.1.2雙目深度估計
10.1.3基于點云的深度估計
10.2目標跟蹤
10.2.1單目標跟蹤
10.2.2多目標跟蹤
10.3人體姿態(tài)估計
10.3.1單人姿態(tài)估計
10.3.2多人姿態(tài)估計
 
參考文獻

主編信息

劉國華，教授，從事計算機視覺、機器人控制技術、微型執(zhí)行器和先進檢測技術專業(yè)方向，近年來承擔國際合作項目1項，承擔天津市應用基礎及前沿技術研究計劃項目、天津市自然科學基金重點項目6項、企業(yè)合作項目5項，以及承擔教育部高教司產學合作協同育人項目3項。獲得2009年天津市科技進步二等獎1項，獲得天津工業(yè)大學教學名師獎，獲得中國紡織工業(yè)聯合會“紡織之光”教學成果獎一等獎1項、二等獎1項、三等獎1項、天津工業(yè)大學校級教學成果獎一等獎4項，2022年獲香港桑麻基金會桑麻獎教金，出版教材專著6部，在高水平刊物上發(fā)表研究論文50余篇，其中SCI檢索12篇。

相關圖書

  • Python程序設計簡明教程

    主編：張春飛

    本書分為10章，內容包括Python語言概述、初識Python、選擇結構與循環(huán)結構、Python組合數據類型、函數、面向對象程序設計、模塊及第

    ￥49.9

  • Python數據挖掘技術

    主編：孫玉榮 張佳

    本書主要介紹數據挖掘的基本技術和應用，全書共分11章，主要內容包括數據挖掘概述、Python數據挖掘基礎、數據獲取與預處理技術、數

    ￥49.8

  • Python程序設計

    主編：金松林

    本書深入淺出地介紹了Python編程語言的基礎知識及簡單的數據處理技術。全書共分10章，主要內容包括初識Python，數據類型、變量與運

    ￥45

  • Python數據分析與應用

    主編：吳濤 徐光俠 劉俊

    本書從實際應用出發(fā)，側重對學生實踐能力的培養(yǎng)。全書共分9章，內容包括數據分析基礎、Python編程語言、數據分析過程、回歸與預測

    ￥45