| 开本：16开 |
| 纸张：轻型纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787111662297 |
| 所属分类：图书>计算机/网络>家庭与办公室用书>微软Office |
商品详情
作者印阿布辛纳夫·达和奇（ ）著
连晓峰
著印阿布辛纳夫·达和奇（ ）著
连晓峰 译
装帧平装胶订
印次
定
出版社机械工业出版社
开本开
印刷时间
语种中文
出版时间
页数
外部编号
版次
成品尺寸暂无
第章 计算机视觉快速入门
什么是计算机视觉
计算机视觉无处不在
入门
读取图像
图像颜色转换
计算机视觉研究的相关会议
小结
第章 库、开发平台和数据集
库及其安装方法
安装
安装
用于深度学习的
用于深度学习的
数据集
数据集
小结
参考文献
第章 中的图像滤波和变换
数据集和库
图像处理
滤波器概述
线性滤波器
非线性滤波器
图像梯度
图像变换
平移
旋转
仿射变换
图像金字塔
小结
第章 什么是特征
特征用例
数据集和库
为何特征如此重要
角点检测
特征
特征
黑箱特征
应用—在图像中检测目标对象
应用—是否相似
小结
参考文献
第章 卷积神经网络
数据集和库
神经网络简介
一个简单的神经网络
重温卷积运算
卷积神经网络
卷积层
激活层
池化层
全连接层
批归一化
退出
实践
分类器训练代码
分析
迁移学习
小结
第章 基于特征的目标检测
目标检测概述
目标检测挑战
数据集和库
目标检测方法
基于深度学习的目标检测
小结
参考文献
第章 分割和跟踪
数据集和库
分割
分割挑战
用于分割的
的实现
跟踪
跟踪挑战
目标跟踪方法
小结
参考文献
第章 三维计算机视觉
数据集和库
应用
成像原理
图像对齐
视觉里程计
视觉
小结
参考文献
第章 计算机视觉中的数学
数据集和库
线性代数
向量
矩阵
矩阵
奇异值分解
概率论简述
什么是随机变量
期望
方差
概率分布
联合分布
边缘分布
条件分布
贝叶斯定理
小结
第章 计算机视觉中的机器学习
什么是机器学习
机器学习技术分类
监督式学习
无监督式学习
维度灾难
机器学习的滚球视角
常用工具
预处理
后处理
评估
准确率
召回率
分数
小结
关于作者
是东京公司的一名深度学习方面的研究以及应用开发人员。其专注于为图像分类、目标检测、分割等计算机视觉应用设计深度学习模型，并且目前将全部精力都倾注在理解和复现人类视觉系统的研究与实现上。而此前，其一直致力于三维地图构建和机器人导航领域。毕业于印度 学院，获得电子工程学士学位，并在日本大学获得信息科学硕士学位。在专栏为多个主题提供注释和代码。
关于作者
是东京公司的一名深度学习方面的研究以及应用开发人员。其专注于为图像分类、目标检测、分割等计算机视觉应用设计深度学习模型，并且目前将全部精力都倾注在理解和复现人类视觉系统的研究与实现上。而此前，其一直致力于三维地图构建和机器人导航领域。毕业于印度 学院，获得电子工程学士学位，并在日本大学获得信息科学硕士学位。在专栏为多个主题提供注释和代码。
本书是你了解计算机视觉的一站式指南。利用、、和的功能执行图像处理、对象检测、特征检测等项目。通过对卷积神经网络的介绍，你将学习如何使用构建深度神经网络，以及如何使用它对数据集进行分类。关于对象检测，你将学习到使用实现简单的面部检测器，以及复杂的基于深度学习的对象检测器（例如 和）的工作原理。你也将学会使用模型进行语义分割，并使用跟踪对象。不仅如此，你还将学习到在标准数据集上使用视觉（）技术，例如。
本书适合希望以实际的方式理解和实现与计算机视觉和图像处理相关的各种任务的机器学习从业人员和深度学习学习者阅读。
作者印阿布辛纳夫·达和奇（ ）著
连晓峰
著印阿布辛纳夫·达和奇（ ）著
连晓峰 译
装帧平装胶订
印次
定
出版社机械工业出版社
开本开
印刷时间
语种中文
出版时间
页数
外部编号
版次
成品尺寸暂无
第章 计算机视觉快速入门
什么是计算机视觉
计算机视觉无处不在
入门
读取图像
图像颜色转换
计算机视觉研究的相关会议
小结
第章 库、开发平台和数据集
库及其安装方法
安装
安装
用于深度学习的
用于深度学习的
数据集
数据集
小结
参考文献
第章 中的图像滤波和变换
数据集和库
图像处理
滤波器概述
线性滤波器
非线性滤波器
图像梯度
图像变换
平移
旋转
仿射变换
图像金字塔
小结
第章 什么是特征
特征用例
数据集和库
为何特征如此重要
角点检测
特征
特征
黑箱特征
应用—在图像中检测目标对象
应用—是否相似
小结
参考文献
第章 卷积神经网络
数据集和库
神经网络简介
一个简单的神经网络
重温卷积运算
卷积神经网络
卷积层
激活层
池化层
全连接层
批归一化
退出
实践
分类器训练代码
分析
迁移学习
小结
第章 基于特征的目标检测
目标检测概述
目标检测挑战
数据集和库
目标检测方法
基于深度学习的目标检测
小结
参考文献
第章 分割和跟踪
数据集和库
分割
分割挑战
用于分割的
的实现
跟踪
跟踪挑战
目标跟踪方法
小结
参考文献
第章 三维计算机视觉
数据集和库
应用
成像原理
图像对齐
视觉里程计
视觉
小结
参考文献
第章 计算机视觉中的数学
数据集和库
线性代数
向量
矩阵
矩阵
奇异值分解
概率论简述
什么是随机变量
期望
方差
概率分布
联合分布
边缘分布
条件分布
贝叶斯定理
小结
第章 计算机视觉中的机器学习
什么是机器学习
机器学习技术分类
监督式学习
无监督式学习
维度灾难
机器学习的滚球视角
常用工具
预处理
后处理
评估
准确率
召回率
分数
小结
关于作者
是东京公司的一名深度学习方面的研究以及应用开发人员。其专注于为图像分类、目标检测、分割等计算机视觉应用设计深度学习模型，并且目前将全部精力都倾注在理解和复现人类视觉系统的研究与实现上。而此前，其一直致力于三维地图构建和机器人导航领域。毕业于印度 学院，获得电子工程学士学位，并在日本大学获得信息科学硕士学位。在专栏为多个主题提供注释和代码。
关于作者
是东京公司的一名深度学习方面的研究以及应用开发人员。其专注于为图像分类、目标检测、分割等计算机视觉应用设计深度学习模型，并且目前将全部精力都倾注在理解和复现人类视觉系统的研究与实现上。而此前，其一直致力于三维地图构建和机器人导航领域。毕业于印度 学院，获得电子工程学士学位，并在日本大学获得信息科学硕士学位。在专栏为多个主题提供注释和代码。
本书是你了解计算机视觉的一站式指南。利用、、和的功能执行图像处理、对象检测、特征检测等项目。通过对卷积神经网络的介绍，你将学习如何使用构建深度神经网络，以及如何使用它对数据集进行分类。关于对象检测，你将学习到使用实现简单的面部检测器，以及复杂的基于深度学习的对象检测器（例如 和）的工作原理。你也将学会使用模型进行语义分割，并使用跟踪对象。不仅如此，你还将学习到在标准数据集上使用视觉（）技术，例如。
本书适合希望以实际的方式理解和实现与计算机视觉和图像处理相关的各种任务的机器学习从业人员和深度学习学习者阅读。