Python计算机视觉应用（全彩版） - 计算机系列 - 华腾教育

免费咨询热线

400-615-1233

工作时间-工作日

8:30-17:30

Python计算机视觉应用（全彩版）

意见反馈阅读 0

需要更多信息,请联系杨　洋

出版信息

类　　别：计算机系列
书　　名：Python计算机视觉应用（全彩版）
主　　编：刘国华
定　　价：69.8
开　　本：大16开
印刷方式：四色
页　　数：240
时　　间：2024年9月
出版社：上海交通大学出版社
书　　号：978-7-313-31548-9

内容摘要

本书是依托Python语言讲解计算机视觉的基础理论与算法，并通过大量示例细致分析了图像形成和处理技术、图像特征提取、图像分割、图像测量、基于多幅图像的立体视觉技术、深度学习等，特别强调了Python软件在计算机视觉上的应用方法，并给出了大量数字图像处理技术的Python实现程序。另外，书中附带的练习还能让读者巩固并学会应用编程知识。

本书可作为高等学校电子信息、信号与信息处理、计算机科学与技术等专业的教材，也适用于有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的读者，以及信号处理、物理学、生物医药、机械电子、认知科学等领域的研究人员和从业者。

目录

第1章图像基本操作

1.1软件安装及环境配置

1.1.1Anaconda安装

1.1.2Pycharm安装

1.1.3在Python中安装图像处理库

1.2使用PIL处理图像

1.2.1读取及保存图像

1.2.2图像区域的复制粘贴

1.2.3调整图像尺寸和旋转图像

1.2.4其他图像处理

1.3使用Matplotlib处理图像

1.3.1在图像中绘制点和线

1.3.2图像轮廓和直方图

1.4使用NumPy处理图像

1.4.1图像的数组化

1.4.2灰度变换

1.5使用SciPy处理图像

1.5.1图像模糊

1.5.2图像导数

1.6使用scikitimage处理图像

1.6.1图像的旋流变换

1.6.2图像的添噪

第2章传统图像处理方法

2.1图像增强

2.1.1直方图均衡化

2.1.2图像的平滑

2.1.3图像的锐化

2.2图像分类

2.2.1特征提取

2.2.2分类器

2.2.3CIFAR10数据集分类

2.3目标检测

2.3.1Harris角点检测器

2.3.2斑点检测器

2.3.3基于HOG特征的SVM检测目标

2.4图像分割

2.4.1基于阈值的图像分割

2.4.2基于边缘的图像分割

2.4.3基于区域的图像分割

第3章深度卷积神经网络基础

3.1监督学习和无监督学习

3.1.1监督学习

3.1.2无监督学习

3.2欠拟合和过拟合

3.2.1欠拟合

3.2.2过拟合

3.3反向传播

3.4损失和优化

3.4.1损失函数

3.4.2优化函数

3.5激活函数

3.5.1Sigmoid函数

3.5.2tanh函数

3.5.3ReLU函数

3.6卷积神经网络基础

3.6.1卷积层

3.6.2池化层

3.6.3全连接层

第4章 PyTorch深度学习框架

4.1PyTorch框架简介

4.1.1使用框架的必要性

4.1.2主流框架对比

4.1.3PyTorch的优点

4.1.4PyTorch的架构

4.2PyTorch环境配置与安装

4.3PyTorch中的Tensor

4.3.1Tensor的创建

4.3.2Tensor的基本操作

4.4PyTorch常用模块及库

4.4.1torch.autograd模块（自动求导）

4.4.2torch.nn模块

4.4.3torch.optim模块

4.4.4torchvision库

4.5神经网络模型搭建与参数优化

第5章计算机视觉应用——图像分类

5.1图像分类简介

5.2ResNet的基本原理

5.2.1ResNet的起源

5.2.2CNN网络结构中感受野的概念

5.2.3ResNet的基本网络结构

5.2.4ResNet模型的代码实现

5.3训练过程

5.3.1数据集准备

5.3.2图像数据预处理

5.3.3训练ResNet网络

5.4模型结果评估

第6章计算机视觉应用——2D目标检测

6.1图像目标检测简介

6.2两阶段式2D目标检测算法Faster RCNN

6.2.1特征提取部分Conv layers

6.2.2候选区域网络

6.2.3兴趣域池化

6.2.4分类回归部分

6.2.5Faster RCNN总结

6.3单阶段式2D目标检测网络YOLOv5

6.3.1数据输入

6.3.2特征提取网络CSPDarkNet53

6.3.3FPN+PAN结构

6.3.4YOLOv5中的锚框机制

6.3.5损失函数

6.3.6非极大值抑制

6.4目标检测算法评价指标

6.4.1综合指标

6.4.2PR曲线与ROC曲线

6.4.3均值平均精度

第7章计算机视觉应用——3D目标检测

7.13D目标检测概述

7.2基于深度学习的3D目标检测方法

7.2.1基于图像的3D目标检测

7.2.2基于LiDAR的3D目标检测

7.2.3基于多传感器的3D目标检测

7.3经典的3D目标检测算法VoxelNet

7.4常用的3D目标检测数据集及其评价指标

7.4.1KITTI数据集

7.4.2nuScenes数据集

7.4.3Waymo数据集

第8章计算机视觉应用——语义分割

8.1图像语义分割介绍

8.1.1图像语义分割概述

8.1.2图像语义分割的发展

8.2DeepLabV3+网络基本原理

8.2.1DeepLab系列语义分割网络发展概述

8.2.2DeepLabV3+网络模型介绍

8.2.3主干特征提取网络介绍与构建

8.2.4ASPP加强特征提取网络的构建

8.2.5低层特征与深层特征的融合

8.2.6DeepLabV3+模型的整体网络框架搭建

8.3模型训练与评估

8.3.1数据集介绍

8.3.2网络训练

8.3.3训练参数解析

8.3.4模型预测与评价指标计算

第9章计算机视觉应用进阶

9.1迁移学习

9.1.1迁移学习的基本概念

9.1.2迁移学习策略

9.1.3迁移学习实战应用

9.2注意力机制

9.2.1通道注意力机制

9.2.2空间注意力机制

9.2.3通道与空间混合注意力

9.2.4注意力机制优化神经网络实战

9.3模型压缩

9.3.1模型剪枝

9.3.2知识蒸馏

9.3.3轻量化网络

第10章计算机视觉应用的其他任务

10.1深度估计

10.1.1单目深度估计

10.1.2双目深度估计

10.1.3基于点云的深度估计

10.2目标跟踪

10.2.1单目标跟踪

10.2.2多目标跟踪

10.3人体姿态估计

10.3.1单人姿态估计

10.3.2多人姿态估计

参考文献

主编信息

刘国华，教授，从事计算机视觉、机器人控制技术、微型执行器和先进检测技术专业方向，近年来承担国际合作项目1项，承担天津市应用基础及前沿技术研究计划项目、天津市自然科学基金重点项目6项、企业合作项目5项，以及承担教育部高教司产学合作协同育人项目3项。获得2009年天津市科技进步二等奖1项，获得天津工业大学教学名师奖，获得中国纺织工业联合会“纺织之光”教学成果奖一等奖1项、二等奖1项、三等奖1项、天津工业大学校级教学成果奖一等奖4项，2022年获香港桑麻基金会桑麻奖教金，出版教材专著6部，在高水平刊物上发表研究论文50余篇，其中SCI检索12篇。

相关图书

Python程序设计简明教程

主编：张春飞

本书分为10章，内容包括Python语言概述、初识Python、选择结构与循环结构、Python组合数据类型、函数、面向对象程序设计、模块及第
￥49.9
Python数据挖掘技术

主编：孙玉荣张佳

本书主要介绍数据挖掘的基本技术和应用，全书共分11章，主要内容包括数据挖掘概述、Python数据挖掘基础、数据获取与预处理技术、数
￥49.8
Python程序设计

主编：金松林

本书深入浅出地介绍了Python编程语言的基础知识及简单的数据处理技术。全书共分10章，主要内容包括初识Python，数据类型、变量与运
￥45
Python数据分析与应用

主编：吴涛徐光侠刘俊

本书从实际应用出发，侧重对学生实践能力的培养。全书共分9章，内容包括数据分析基础、Python编程语言、数据分析过程、回归与预测
￥45