返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 机器视觉及深度学习 经典算法与系统搭建 陈兵旗,谭彧 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 暂无著
    • 出版社: 化学工业出版社
    • 出版时间:2022-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 暂无著
    • 出版社:化学工业出版社
    • 出版时间:2022-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-08-01
    • 字数:422000
    • 页数:272
    • 开本:16开
    • 装帧:平装
    • ISBN:9787122411457
    • 国别/地区:中国
    • 版权提供:化学工业出版社

    机器视觉及深度学习 经典算法与系统搭建

    作  者:陈兵旗,谭彧 编
    定  价:118
    出 版 社:化学工业出版社
    出版日期:2022年08月01日
    页  数:272
    装  帧:平装
    ISBN:9787122411457
    主编推荐

    内容简介

    深度学习和传统机器视觉技术相融合,可以大大提高AI技术的效率和精度。本书分上、下两篇,共19章内容,详细讲解了机器视觉及深度学习的理论和编程实践。
    上篇介绍理论算法。包括机器视觉的经典图像处理算法、深度学习的理论基础和目前常用的深度学习框架。
    下篇介绍编程环境及系统搭建。讲解了机器视觉图像处理算法及深度学习的编程工具VC++、Python和OpenCV;利用VC++和Python工具,搭建图像处理的工程界面;介绍了常用的9种深度学习框架的获得方法、安装设置、工程创建,以及深度学习工程的编译、训练、评估与部署方法。
    每一个搭建的工程,都提供一套可下载的源代码程序,方便读者下载学习。
    本书理论与实践兼顾,可为从事机器视觉技术及人工智能研究和应用的工程技术人员提供帮助,也可供高等院校相关专业师生学习参考。

    作者简介

    精彩内容

    目录
    上篇理论算法1
    第1章基础知识2
    1.1图像与颜色2
    1.1.1彩色图像2
    1.1.2灰度图像3
    1.1.3颜色变换3
    1.2机器视觉4
    1.2.1机器视觉构成4
    1.2.2数字图像处理6
    1.3深度学习9
    1.3.1基本概念9
    1.3.2基本思想10
    1.3.3深度学习常用方法10
    第2章目标提取21
    2.1灰度目标21
    2.1.1阈值分割21
    2.1.2自动二值化处理22
    2.2彩色图像24
    2.2.1果树上红色桃子的提取24
    2.2.2绿色麦苗的提取26
    2.3运动图像27
    2.3.1帧间差分27
    2.3.2背景差分27
    2.4C语言实现28
    2.4.1二值化处理28
    2.4.2双阈值二值化处理29
    2.4.3直方图30
    2.4.4直方图平滑化31
    2.4.5大津法二值化处理31
    第3章边缘检测34
    3.1图像边缘34
    3.2微分处理35
    3.2.1一阶微分35
    3.2.2二阶微分36
    3.3模板匹配37
    3.4C语言实现39
    3.4.1一阶微分边缘检测39
    3.4.2二阶微分边缘检测40
    3.4.3Prewitt算子边缘检测41
    3.4.4二值图像的细线化处理43
    第4章去噪声处理46
    4.1移动平均46
    4.2中值滤波47
    4.3二值图像去噪声49
    4.4C语言实现50
    4.4.1移动平均法50
    4.4.2中值滤波51
    4.4.3腐蚀处理52
    4.4.4膨胀处理53
    第5章几何参数检测55
    5.1图像的几何参数55
    5.2区域标记58
    5.3几何参数检测与提取59
    5.4C语言实现60
    5.4.1区域标记60
    5.4.2计算图像特征参数62
    5.4.3根据圆形度抽出物体66
    5.4.4复制掩模领域的原始图像67
    5.4.5根据面积提取对象物67
    第6章直线检测69
    6.1传统Hough变换的直线检测69
    6.2最小二乘法的直线检测71
    6.3C语言实现72
    6.3.1传统Hough变换的直线检测72
    6.3.2最小二乘法的直线检测74
    第7章深度学习框架介绍77
    7.1TensorFlow78
    7.1.1TensorFlow的优势78
    7.1.2TensorFlow应用场景79
    7.1.3TensorFlow开发环境安装79
    7.2Keras80
    7.2.1Keras的优势81
    7.2.2Keras应用81
    7.2.3Keras与TensorFlow2的关系81
    7.2.4Keras的安装82
    7.3PyTorch82
    7.3.1PyTorch的优势82
    7.3.2PyTorch的典型应用83
    7.3.3PyTorch和TensorFlow的比较83
    7.3.4PyTorch的安装84
    7.4其他深度学习框架85
    7.4.1Caffe85
    7.4.2MXNet85
    7.4.3CNTK86
    7.4.4Theano86
    7.4.5Darknet87
    7.4.6PaddlePaddle87
    下篇编移环境及系统搭建89
    第8章平台软件90
    8.1OpenCV90
    8.1.1基本功能介绍90
    8.1.2获取与安装91
    8.2VC++92
    8.2.1基本功能介绍92
    8.2.2获取与安装93
    8.3Python95
    8.3.1基本功能介绍95
    8.3.2获取与安装95
    第9章VC++图像处理工程98
    9.1工程创建98
    9.1.1启动Visual Studio201098
    9.1.2创建新建工程99
    9.2系统设置115
    9.3编译执行117
    第10章Python图像处理系统119
    10.1工程创建119
    10.2系统设置121
    10.3编译执行127
    第11章TensorFlow深度学习工程134
    11.1框架获得134
    11.2安装设置134
    11.3案例135
    11.3.1数据准备135
    11.3.2训练模型137
    11.3.3验证准确率139
    11.3.4导出模型并对图片分类139
    第12章Keras深度学习工程142
    12.1框架获得142
    12.2安装设置步骤143
    12.3工程创建146
    12.4编译、训练、评估与部署148
    第13章PyTorch深度学习工程152
    13.1框架获得152
    13.2安装设置153
    13.2.1CPU版本安装153
    13.2.2GPU版本安装153
    13.3工程创建155
    13.4训练、评估与部署157
    13.4.1训练157
    13.4.2评估158
    13.4.3部署159
    第14章Caffe深度学习工程166
    14.1安装环境和依赖项获得166
    14.2框架的获取167
    14.3编译Caffe及其与Python的接口167
    14.3.1OpenCV的安装167
    14.3.2Caffe编译170
    14.4目标分类测试181
    14.4.1数据集准备181
    14.4.2训练模型186
    14.4.3用训练好的模型对数据进行预测188
    第15章MXNet深度学习工程190
    15.1框架获取及环境设置190
    15.1.1环境准备190
    15.1.2利用Anaconda创建运行环境191
    15.2基于笑脸目标检测的MXNet框架测试192
    15.2.1创建训练数据集192
    15.2.2训练模型197
    15.2.3测试模型200
    第16章CNTK深度学习工程202
    16.1框架的获取202
    16.2编译202
    16.2.1CPU版本编译202
    16.2.2基于Linux系统的GPU版本编译206
    16.3CNTK测试208
    16.3.1创建数据集208
    16.3.2模型训练211
    16.3.3模型测试213
    第17章Theano深度学习工程216
    17.1框架获得216
    17.2安装设置217
    17.3工程创建220
    17.4编译、训练、评估与部署222
    第18章YoloV4深度学习工程226
    18.1框架的获取226
    18.2框架源码编译及环境设置226
    18.2.1CPU版本编译226
    18.2.2GPU版本编译227
    18.2.3Darknet测试230
    18.3创建Yolo训练数据集231
    18.4训练YoloV4模型235
    18.5测试YoloV4模型237
    第19章PaddlePaddle深度学习工程238
    19.1框架获得240
    19.2安装设置240
    19.3工程创建、编译、训练、评估与测试243
    19.4基于高层API的任务快速实现261
    参考文献263

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购