久久国产午夜福利,黑人操人妻

本書以深度學習在計算機視覺領(lǐng)域的常用技術(shù)與案例相結(jié)合的方式，深入淺出地介紹計算機視覺的常見任務(wù)及實現(xiàn)技術(shù)。全書共7章，內(nèi)容包含概述、圖像處理基本操作、深度學習視覺基礎(chǔ)任務(wù)、基于FaceNet的人臉識別實戰(zhàn)、基于 Faster R-CNN 的目標檢測實戰(zhàn)、基于 U-Net 的城市道路場景分割實戰(zhàn)、基于SRGAN 的圖像超分辨率技術(shù)實戰(zhàn)等。本書大部分章包含操作實踐代碼和課后習題，希望能夠幫助讀者在計算機視覺基礎(chǔ)任務(wù)中應(yīng)用算法，鞏固所學內(nèi)容。
本書可以作為高校人工智能相關(guān)專業(yè)教材，也可以作為從事計算機視覺技術(shù)研究的從業(yè)者和科技人員的參考用書。對于有一定基礎(chǔ)和經(jīng)驗的讀者，本書也能幫助他們查漏補缺，深入理解和掌握相關(guān)原理及方法，提升解決實際問題的能力。

彭小紅，女，廣東海洋大學數(shù)學與計算機學院教授，院長，碩士生導師，國家級一流專業(yè)建設(shè)點（計算機科學與技術(shù)）負責人、廣東省計算機科學與技術(shù)專業(yè)教學團隊負責人、廣東省計算機科學與技術(shù)專業(yè)綜合改革試點負責人、廣東省一流課程計算機組成與結(jié)構(gòu)負責人、南粵優(yōu)秀教師。研究方向：智能系統(tǒng)及其智能信息處理、智能水下機器人。先后主持廣東省科技計劃、南方海洋科學與工程廣東省實驗室（湛江）、廣東省高校創(chuàng)新強校工程等課題10余項，發(fā)表學術(shù)論文30余篇（其中SCI/EI收錄16篇），譯著1部；以第一完成人獲得專利6項、計算機軟件著作權(quán)22項，獲湛江市科學技術(shù)進步獎二等獎1項、三等獎2項。主講本科專業(yè)課程：《計算機組成與結(jié)構(gòu)》、《計算機接口技術(shù)》、《微機原理及接口》、《匯編語言與接口技術(shù)》、《生產(chǎn)實習》，研究生課程：《計算機體系結(jié)構(gòu)》、《人工智能導論》；近五年，主持省部級以上協(xié)同育人、質(zhì)量工程、教學改革項目9項，廣東省研究生教育創(chuàng)新計劃項目1項，發(fā)表教改論文8篇；獲得廣東海洋大學教學成果特等獎和一等獎、廣東海洋大學教學質(zhì)量優(yōu)秀獎。指導學生參加學科競賽獲國家級和省部級獎勵26項，榮獲得互聯(lián)網(wǎng) 大學生創(chuàng)新創(chuàng)業(yè)大賽、挑戰(zhàn)杯大賽、中國軟件杯、中國計算機設(shè)計大賽優(yōu)秀指導教師稱號。
張良均資深大數(shù)據(jù)專家，廣東泰迪智能科技股份有限公司董事長，國家科技部入庫技術(shù)專家，全國專業(yè)學位水平評估專家，工信部教育與考試中心入庫專家，中國工業(yè)與應(yīng)用數(shù)學學會理事，廣東省工業(yè)與應(yīng)用數(shù)學學會副理事長，廣東省高等職業(yè)教育教學指導委員會委員，華南師范大學、中南財經(jīng)政法大學等40余所高校校外碩導或兼職教授，泰迪杯全國數(shù)據(jù)挖掘挑戰(zhàn)賽發(fā)起人。曾在國內(nèi)外重要學術(shù)刊物上發(fā)表學術(shù)論文10余篇，主導編寫圖書專著60余部，其中獲普通高等教育十一五規(guī)劃教材一部，十三五職業(yè)教育國家規(guī)劃教材一部；參與標準建設(shè)4項，主持國家級課題1項、省部級課題4項。獲得SAS、SPSS數(shù)據(jù)挖掘認證及Hadoop開發(fā)工程師證書，具有信訪、電力、電信、銀行、制造企業(yè)、電子商務(wù)和電子政務(wù)的項目經(jīng)驗和行業(yè)背景，并榮獲中國產(chǎn)學研合作促進獎、中國南方電網(wǎng)公司發(fā)明專利一等獎、廣東省農(nóng)業(yè)技術(shù)推廣二等獎、廣州市荔灣區(qū)科學技術(shù)進步獎。

第 1章概述　1
1.1 計算機視覺與深度學習　1
1.1.1 計算機視覺　2
1.1.2 深度學習　3
1.2 深度學習的計算機視覺應(yīng)用　4
1.2.1 人臉識別　5
1.2.2 圖像分類　5
1.2.3 目標檢測　6
1.2.4 圖像分割　6
1.2.5 姿態(tài)估計　7
1.2.6 場景識別　7
1.2.7 目標跟蹤　8
1.2.8 動作識別　8
1.2.9 黑白照片自動著色　9
1.2.10 圖像風格轉(zhuǎn)移　9
1.3 相關(guān)Python庫　10
1.3.1 深度學習框架　10
1.3.2 圖像處理庫　12
小結(jié)　13
課后習題　13
第 2章圖像處理基本操作　15
2.1 讀寫圖像　15
2.1.1 常用圖像類型　16
2.1.2 讀取圖像　17
2.1.3 顯示圖像　18
2.1.4 保存圖像　20
2.2 圖像顏色空間　20
2.2.1 常用顏色空間簡介　20
2.2.2 顏色空間轉(zhuǎn)換　22
2.3 圖像幾何變換　24
2.3.1 圖像平移　24
2.3.2 圖像縮放　25
2.3.3 圖像旋轉(zhuǎn)　32
2.3.4 圖像仿射　34
2.4 圖像增強　38
2.4.1 灰度級修正　39
2.4.2 圖像平滑　47
2.4.3 圖像銳化　51
小結(jié)　56
課后習題　57
第3章深度學習視覺基礎(chǔ)任務(wù)　59
3.1 深度神經(jīng)網(wǎng)絡(luò)　59
3.2 卷積神經(jīng)網(wǎng)絡(luò)　61
3.2.1 卷積層　63
3.2.2 池化層　64
3.2.3 全連接層　64
3.2.4 卷積神經(jīng)網(wǎng)絡(luò)訓練過程　65
3.3 圖像分類　67
3.3.1 圖像分類簡介　67
3.3.2 圖像分類經(jīng)典算法　68
3.3.3 訓練圖像分類網(wǎng)絡(luò)　83
3.4 目標檢測　86
3.4.1 目標檢測簡介　86
3.4.2 目標檢測經(jīng)典算法　88
3.4.3 訓練目標檢測網(wǎng)絡(luò)　104
3.5 圖像分割　111
3.5.1 圖像分割簡介　111
3.5.2 圖像分割經(jīng)典算法　113
3.5.3 訓練圖像分割網(wǎng)絡(luò)　127
3.6 圖像生成　132
3.6.1 圖像生成簡介　133
3.6.2 圖像生成經(jīng)典算法　134
3.6.3 訓練圖像生成器網(wǎng)絡(luò)　144
小結(jié)　149
課后習題　149
第4章基于FaceNet的人臉識別實戰(zhàn)　152
4.1 背景與目標　152
4.1.1 背景　152
4.1.2 目標　154
4.1.3 項目工程結(jié)構(gòu)　154
4.2 流程與步驟　155
4.2.1 人臉檢測　156
4.2.2 人臉對齊　160
4.2.3 人臉特征提取　161
4.2.4 人臉特征匹配　164
4.3 結(jié)果分析　165
小結(jié)　167
課后習題　168
第5章基于Faster R-CNN的目標檢測實戰(zhàn)　170
5.1 背景與目標　170
5.1.1 背景　170
5.1.2 目標　171
5.1.3 項目工程結(jié)構(gòu)　171
5.2 流程與步驟　172
5.2.1 數(shù)據(jù)準備　172
5.2.2 定義Faster R-CNN配置信息類　174
5.2.3 生成先驗錨框　174
5.2.4 定義損失函數(shù)　176
5.2.5 訓練網(wǎng)絡(luò)　180
5.3 結(jié)果分析　181
小結(jié)　183
課后習題　184
第6章基于U-Net的城市道路場景分割實戰(zhàn)　186
6.1 背景與目標　186
6.1.1 背景　186
6.1.2 目標　187
6.1.3 項目工程結(jié)構(gòu)　188
6.2 流程與步驟　188
6.2.1 數(shù)據(jù)準備　189
6.2.2 搭建U-Net　191
6.2.3 定義損失函數(shù)　194
6.2.4 訓練網(wǎng)絡(luò)　195
6.3 結(jié)果分析　197
小結(jié)　199
課后習題　199
第7章基于SRGAN的圖像超分辨率技術(shù)實戰(zhàn)　201
7.1 背景與目標　201
7.1.1 背景　201
7.1.2 目標　203
7.1.3 項目工程結(jié)構(gòu)　203
7.2 流程與步驟　204
7.2.1 數(shù)據(jù)準備　204
7.2.2 搭建SRGAN　206
7.2.3 定義SRGAN損失函數(shù)　209
7.2.4 訓練網(wǎng)絡(luò)　210
7.3 結(jié)果分析　211
小結(jié)　213
課后習題　213

你還可能感興趣

我要評論