計算機視覺應用與實戰

韓少雲 等

  • 出版商: 電子工業
  • 出版日期: 2022-05-01
  • 售價: $654
  • 貴賓價: 9.5$621
  • 語言: 簡體中文
  • 頁數: 380
  • ISBN: 712143251X
  • ISBN-13: 9787121432514
  • 相關分類: Computer Vision
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

本書圍繞電腦視覺在農業、醫學、工業等領域的案例,深入淺出地講解電腦視覺核心的模型與關鍵技術。本書中所有案例的代碼均能在達內時代科技集團自主研發的 AIX-EBoard 人工智能實驗平臺上部署與實施,實現了教學場景化、學習趣味化。本書分為三個部分,循序漸進地介紹電腦視覺相關技術的理論基礎和各案例的實踐步驟。第 1 部分基於 OpenCV 介紹傳統視覺應用的基礎算法,同時實現輪廓提取、全景圖像拼接等案例的實踐;在傳統視覺應用的基礎上,第 2 部分講解基於機器學習和深度學習的視覺應用,結合不同行業的案例對圖像進行分析處理,如水果識別、病蟲害識別、相似圖像搜索、眼底血管圖像分割等。第 3 部分聚焦市場關註度較高的一些新興視覺應用的原理及實現,如從二維圖像到三維空間的重建、電腦視覺在移動設備中的應用、實時圖像和視頻的風格遷移等。本書適合人工智能相關專業的本科生、專科生及電腦初學者閱讀,既可以作為應用型本科院校和高等職業院校人工智能專業的教材,也可以作為相關領域從業者的學習和參考用書。本書可以幫助有一定基礎的讀者查漏補缺,深入理解和掌握相關原理與方法,提高解決實際問題的能力。

目錄大綱

內容簡介
編委會
序一
序二
前言
第1部分基於OpenCV的傳統視覺應用
第1章圖像生成
1.1 圖像顯示
1.1.1 使用OpenCV顯示圖像
1.1.2 使用Matplotlib顯示圖像
1.1.3 案例實現——使用OpenCV顯示圖像
1.1.4 案例實現——使用Matplotlib顯示圖像
1.2 圖像讀取
1.2.1 使用OpenCV讀取圖像
1.2.2 使用Matplotlib讀取圖像
1.2.3 案例實現——使用OpenCV讀取圖像
1.2.4 案例實現——使用Matplotlib讀取圖像
1.3 圖像保存
1.3.1 使用OpenCV保存圖像
1.3.2 使用Matplotlib保存圖像
1.3.3 案例實現——使用OpenCV保存圖像
1.3.4 案例實現——使用Matplotlib保存圖像
本章總結
作業與練習
第2章OpenCV圖像處理(1)
2.1 圖像模糊
2.1.1 均值濾波
2.1.2 中值濾波
2.1.3 高斯濾波
2.1.4 案例實現
2.2 圖像銳化
2.2.1 圖像銳化簡介
2.2.2 案例實現
本章總結
作業與練習
第3章OpenCV圖像處理(2)
3.1 OpenCV繪圖
3.1.1 使用OpenCV繪製各種圖形
3.1.2 案例實現
3.2 圖像的幾何變換
3.2.1 幾何變換操作
3.2.2 案例實現
本章總結
作業與練習
第4章圖像特徵檢測
4.1 邊緣編輯和增強
4.1.1 Canny邊緣檢測簡介
4.1.2 案例實現
4.2 圖像輪廓檢測
4.2.1 輪廓查找步驟
4.2.2 查找輪廓函數
4.2.3 繪製輪廓函數
4.2.4 案例實現
4.3 圖像角點和線條檢測
4.3.1 角點的定義
4.3.2 Harris角點簡介
4.3.3 Harris角點檢測函數
4.3.4 案例實現
本章總結
作業與練習
第5章圖像特徵匹配
5.1 ORB關鍵點檢測與匹配
5.1.1 FAST算法
5.1.2 BRIEF算法
5.1.3 特徵匹配
5.1.4 代碼流程
5.2 案例實現
本章總結
作業與練習
第6章圖像對齊與拼接
6.1 全景圖像拼接
6.1.1 全景圖像的拼接原理
6.1.2 算法步驟
6.1.3 Ransac算法介紹
6.1.4 全景圖像剪裁
6.2 案例實現
本章總結
作業與練習
第7章相機運動估計
7.1 雙目相機運動估計
7.1.1 相機測距流程
7.1.2 雙目相機成像模型
7.1.3 極限約束
7.1.4 雙目測距的優勢
7.1.5 雙目測距的難點
7.2 案例實現
本章總結
作業與練習
第2部分基於機器學習和深度學習的視覺應用
第8章基於SVM模型的手寫數字識別
8.1 手寫數字識別
8.1.1 手寫數字圖像
8.1.2 圖像處理
8.2 案例實現
本章總結
作業與練習
第9章基於HOG+SVM的行人檢測
9.1 行人檢測
9.1.1 HOG+SVM
9.1.2 檢測流程
9.1.3 滑動窗口
9.1.4 非極大值抑制
9.2 案例實現
本章總結
作業與練習
第10章數據標註
10.1 目標檢測數據標註
10.1.1 數據收集與數據標註
10.1.2 數據標註的通用規則
10.1.3 案例實現
10.2 視頻目標跟踪數據標註
10.2.1 視頻與圖像數據標註的差異
10.2.2 案例實現
本章總結
作業與練習
第11章水果識別
11.1 LeNet-5模型的訓練與評估
11.1.1 卷積層
11.1.2 池化層
11.1.3 ReLU層
11.1.4 LeNet-5模型
11.1.5 Keras
11.1.6 案例實現
11.2 LeNet-5模型的應用
11.2.1 使用OpenCV操作攝像頭
11.2.2 OpenCV的繪圖功能
11.2.3 OpenCV繪圖函數的常見參數
11.2.4 Keras模型的保存和加載
11.2.5 案例實現
本章總結
作業與練習
第12章病蟲害識別
12.1 植物葉子病蟲害識別
12.1.1 PlantVillage數據集
12.1.2 性能評估
12.1.3 感受野
12.2 案例實現
本章總結
作業與練習
第13章相似圖像搜索
13.1 以圖搜圖
13.1.1 VGG模型
13.1.2 H5模型文件
13.1.3 案例實現
13.2 人臉識別
13.2.1 人臉檢測
13.2.2 分析面部特徵
13.2.3 人臉識別特徵提取
13.2.4 人臉相似性比較
13.2.5 案例實現
本章總結
作業與練習
第14章多目標檢測
14.1 人臉口罩佩戴檢測
14.1.1 目標檢測
14.1.2 YOLO模型
14.1.3 YOLOv3模型
14.1.4 YOLOv3-Tiny模型
14.2 案例實現
本章總結
作業與練習
第15章可採摘作物檢測
15.1 番茄成熟度檢測
15.1.1 數據集
15.1.2 RCNN模型
15.1.3 SPP-Net模型
15.1.4 Fast-RCNN模型
15.1.5 Faster-RCNN模型
15.1.6 Mask-RCNN模型
15.2 案例實現
本章總結
作業與練習
第16章智能照片編輯
16.1 圖像自動著色
16.1.1 GAN模型的基本結構與原理
16.1.2 構建GAN模型
16.2 案例實現
本章總結
作業與練習
第17章超分辨率
17.1 圖像超分辨率
17.1.1 SRGAN模型的結構
17.1.2 SRGAN模型的損失函數
17.1.3 SRGAN模型的評價指標
17.2 案例實現
本章總結
作業與練習
第18章醫學圖像分割
18.1 眼底血管圖像分割
18.1.1 圖像分割
18.1.2 語義分割
18.1.3 全卷積神經網絡
18.1.4 反捲積
18.1.5 U-Net模型
18.2 案例實現
本章總結
作業與練習
第19章醫學圖像配準
19.1 頭頸部CT圖像配準
19.1.1 圖像配準方法
19.1.2 VoxelMorph配準框架
19.1.3 TensorFlow-pix2pix
19.2 案例實現
本章總結
作業與練習
第20章視頻內容分析
20.1 人體動作識別
20.1.1 視頻動作識別模型
20.1.2 UCF-101數據集
20.2 案例實現
本章總結
作業與練習
第21章圖像語義理解
21.1 視覺問答
21.1.1 編碼器-解碼器模型
21.1.2 光束搜索
21.2 案例實現
本章總結
作業與練習
第3部分基於深度學習的新興視覺應用
第22章三維空間重建
22.1 3D-R2N2算法
22.1.1 算法簡介
22.1.2 算法的優勢
22.1.3 算法的結構
22.2 案例實現
本章總結
作業與練習
第23章視頻穩定
23.1 人臉視頻穩定
23.1.1 MobileNet模型
23.1.2 SSD模型
23.1.3 MobileNet-SSD模型
23.1.4 模型評估
23.1.5 實時影響
23.2 案例實現
本章總結
作業與練習
第24章目標檢測與跟踪
24.1 車輛檢測與跟踪
24.1.1 UA-DETRAC數據集
24.1.2 目標跟踪
24.1.3 DeepSORT目標跟踪
24.2 案例實現
本章總結
作業與練習
第25章風格遷移
25.1 圖像與視頻風格遷移
25.1.1 理解圖像內容和圖像風格
25.1.2 圖像重建
25.1.3 風格重建
25.2 案例實現
本章總結
作業與練習
附錄A 企業級綜合教學項目介紹
1.1 智慧停車場管理系統
1.1.1 項目概述
1.1.2 技能目標
1.2 智慧景區管理系統
1.2.1 項目概述
1.2.2 技能目標
1.3 智能考勤打卡系統
1.3.1 項目概述
1.3.2 技能目標