书书籍深度学习计算机视觉实战肖铃著
更新日期:2024-07-11 00:59:58
书店:慧谷图书专营店
出版时间:2021-11
浏览量:1091
价格:0.0¥

书籍下载

内容介绍

   图书基本信息
图书名称   深度学习计算机视觉实战(博文视点出品)
作者   肖铃 著
定价   99元
出版社   电子工业出版社
ISBN   9787121417597
出版日期   2021-11-01
字数   
页码   300
版次   
装帧   平装
开本   16开
商品重量   

   内容提要
本书是一本看懂计算机视觉的实战指南,使用理论与实践相结合的思想,真正一站式搞定理论学习、算法开发到模型部署上线。 全书内容共分为四个部分。部分包括、2章,主要讲解深度学习和计算机视觉基础,如计算机视觉领域的经典网络和常见的目标检测算法;第二部分包括第3~6章,主要讲解图像处理知识,结合应用案例,对知识点进行分析说明;第三部分包括第7~11章,主要讲解计算机视觉中的实战项目,对实现细节做了追本溯源的讲解;第四部分包括2~13章,主要讲解模型的落地部署,该部分的讲解基于TensorFlow Lite框架,该框架受众广、热度高,且在各种平台都有对应的支持与优化加速方案,方便读者使用。 本书中的上百个知识点与50多个案例都是作者工程应用中的经验总结,每章末尾均有"进阶”,给读者提供更多的拓展知识。本书适合计算机视觉的初学者、计算机视觉算法开发人员、对深度学习有兴趣的用户或者亟须工程落地使用的用户,也适合作为高校相关专业的学生教材使用。

   目录
章 深度学习基础t1
1.1 神经网络t1
1.1.1 感知机t1
1.1.2 神经网络原理t2
1.2 卷积神经网络t3
1.2.1 N基本操作t3
1.2.2 N原理t6
1.3 循环神经网络t7
1.3.1 RNNt7
1.3.2 LSTM与GRUt8
1.4 经典网络t9
1.4.1 AlexNett9
1.4.2 VGGt10
1.4.3 GoogLeNett11
1.4.4 ResNett12
1.4.5 MobileNett13
1.5 进阶:如何学习深度学习
并“落地”求职t16
1.5.1 深度学习如何快速入门t16
1.5.2 深度学习行业求职技巧t17
第2章 计算机视觉基础t18
2.1 目标检测Two-stage算法t18
2.1.1 R-N算法t18
2.1.2 Fast R-N算法t20
2.1.3 Faster R-N算法t21
2.2 目标检测One-stage算法t23
2.2.1 YOLO系列算法t23
2.2.2 SSD算法t29
2.3 图像分割算法t31
2.3.1 F算法t31
2.3.2 U-Net算法t33
2.3.3 DeepLab系列算法t34
2.3.4 Mask R-N算法t37
2.4 进阶:计算机视觉方向知多少t38
第3章 基础图像处理t40
3.1 线性滤波t40
3.1.1 案例1:使用方框滤波t41
3.1.2 案例2:使用均值滤波t46
3.1.3 案例3:使用高斯滤波t48
3.2 非线性滤波t50
3.2.1 案例4:使用中值滤波例t50
3.2.2 案例5:使用双边滤波t52
3.3 OpenCV形态学运算t54
3.3.1 案例6:进行膨胀操作t55
3.3.2 案例7:进行腐蚀操作t57
3.3.3 案例8:使用形态学运算t58
3.4 案例9:使用漫水填充t63
3.5 图像金字塔t67
3.5.1 案例10:使用高斯金字塔t67
3.5.2 案例11:使用拉普拉斯
金字塔t70
3.6 阈值化t73
3.6.1 案例12:使用基本阈值t74
3.6.2 案例13:使用自适应阈值t78
3.7 进阶:选择一款合适的图像处理工具t80
3.7.1 OpenCVt80
3.7.2 Matlabt81
第4章 图像变换t83
4.1 边缘检测t83
4.1.1 案例14:Sobel算法t83
4.1.2 案例15:Scharr算法t87
4.1.3 案例16:Laplacian算法t90
4.1.4 案例17:Canny算法t91
4.2 案例18:绘制轮廓t94
4.3 霍夫变换t97
4.3.1 案例19:霍夫线变换t97
4.3.2 案例20:霍夫圆变换t101
4.4 案例21:重映射t103
4.5 案例22:仿射变换t106
4.6 案例23:透视变换t109
4.7 直方图t111
4.7.1 案例24:直方图的计算
与绘制t111
4.7.2 案例25:直方图均衡化t113
4.8 进阶:图像变换应用之文本
图像矫正t114
4.8.1 图像变换知识总结t114
4.8.2 案例26:文本图像矫正t115
第5章 角点检测t117
5.1 案例27:Harris角点检测t117
5.2 案例28:Shi-Tomasi角点检测t119
5.3 案例29:亚像素级角点检测t122
5.4 进阶:角点检测知识总结t125
第6章 特征点检测与匹配t127
6.1 特征点检测t127
6.1.1 opencv-contrib环境安装t127
6.1.2 案例30:SIFT特征点检测t130
6.1.3 案例31:SURF特征点检测t137
6.2 特征匹配t139
6.2.1 案例32:BruteForce匹配t139
6.2.2 案例33:FLANN匹配t146
6.3 案例34:ORB特征提取t148
6.4 进阶:利用特征点拼接图像t151
6.4.1 特征点检测算法汇总t151
6.4.2 案例35:基于特征点检测与
匹配的图像拼接t151
第7章 手写数字识别t155
7.1 Keras的应用t155
7.1.1 Keras模型t155
7.1.2 Keras层t156
7.1.3 模型编译t157
7.1.4 模型训练t158
7.2 LeNet算法t159
7.3 案例36:使用Keras实现手写数字识别t160
7.3.1 模型训练t160
7.3.2 手写数字识别模型推理t164
7.4 进阶:算法模型开发流程t167
7.4.1 数据准备t167
7.4.2 网络搭建t169
7.4.3 模型训练t170
第8章 CIFAR-10图像分类t171
8.1 图像分类数据集t171
8.1.1 CIFAR-10数据集和
CIFAR-100数据集t171
8.1.2 ImageNet数据集t172
8.1.3 PASCAL VOC数据集t173
8.2 案例37:CIFAR-10图像分类t173
8.2.1 模型训练过程t174
8.2.2 模型推理t179
8.3 进阶:COCO数据集与使用
HOGTSVM方法实现图像分类t180
8.3.1 COCO数据集t180
8.3.2 案例38:使用HOG+SVM
方法实现图像分类t180
第9章 验证码识别t184
9.1 TensorFlow应用t184
9.1.1 案例39:TensorFlow的
基本使用t184
9.1.2 TensorFlow的常用模块t186
9.2 案例40:验证码识别t188
9.2.1 生成验证码图片t188
9.2.2 基于TensorFlow的
验证码识别t189
9.3 进阶:算法模型开发技巧t194
9.3.1 数据预处理技巧t194
9.3.2 网络搭建技巧t195
9.3.3 模型训练技巧t196
0章 文本检测实战t197
10.1 文本检测算法t197
10.1.1 CTPN算法t198
10.1.2 EAST算法t200
10.2 案例41:基于EAST算法的文本检测t202
10.2.1 数据预处理t202
10.2.2 网络搭建t205
10.2.3 模型训练t212
10.2.4 文本检测验证t217
10.3 进阶:在不同场景下文本检测的
应对方式t218
10.3.1 复杂场景文本检测t219
10.3.2 案例42:使用形态学运算
实现简单场景文本检测t220
10.3.3 案例43:使用MSER+NMS
实现简单场景文本检测t223
1章 文本识别实战t226
11.1 文本识别算法t226
11.1.1 CRNN算法t226
11.1.2 AttentioOCR算法t229
11.2 案例44:基于C-RNN算法的
文本识别t231
11.2.1 数据预处理t231
11.2.2 网络搭建t232
11.2.3 模型训练t236
11.2.4 文本识别验证t237
11.3 进阶:单字OCRt238
11.3.1 OCR探究t238
11.3.2 案例45:文本图片
字符切割t238
2章 TensorFlow Litet244
12.1 TensorFlow Lite介绍t244
12.1.1 TensorFlow Lite基础t245
12.1.2 TensorFlow Lite源码分析t246
12.2 模型转换t248
12.2.1 FlatBuffers文件格式t248
12.2.2 案例46:其他格式
转换为.tflite模型t250
12.3 模型量化t252
12.3.1 案例47:量化感知训练t252
12.3.2 案例48:训练后量化t255
12.4 进阶:模型转换与
模型部署优化答疑t257
12.4.1 模型转换问题t257
12.4.2 模型部署优化t258
3章 基于TensorFlow Lite的AI
功能部署实战t260
13.1 部署流程t260












13.2 案例49:移动端部署t261
13.2.1 搭建开发环境t262
13.2.2 编译运行项目t262
13.2.3 调用过程解析t264
13.3 PC端部署t266
13.3.1 案例50:Windows端部署t266
13.3.2 案例51:Linux端部署t278
13.3.3 案例52:ARM平台部署t282
13.3.4 案例53:MIPS平台部署t285
13.4 进阶:推理框架拓展与
OpenCV编译部署t286
13.4.1 其他深度学习推理框架t286
13.4.2 OpenCV编译t286

   作者介绍
肖铃,硕士,现任南方海洋科学与工程广东省实验室工程师。2016年毕业于中国科学技术大学与中国科学院合肥物质科学研究院安徽光机所大气光学研究中心,曾就职于中兴通讯股份有限公司和珠海金山办公软件有限公司,长期从事图像处理、深度学习计算机视觉算法,以及基于TensorFlow Lite的AI模型部署研究。刘东,研究员,博士生导师。现任中国科学院合肥物质科学研究院安徽光机所大气光学研究中心副主任,曾在美国怀俄明大学大气科学系做博士后。主要从事大气光学和激光雷达大气探测研究工作,是国际激光大气探测协会(ICLAS)中国委员,SKYNET国际委员会中国委员,安徽省气象学会副理事长。