計(jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）

定　價(jià)：￥39.80

作　者：	袁雪著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	大數(shù)據(jù)與人工智能技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302579250	出版時(shí)間：	2021-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	153	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　人工智能正在成為全世界產(chǎn)業(yè)變革的方向，處于第四次科技革命的核心地位。計(jì)算機(jī)視覺(jué)（Computer Vision）就是利用攝像機(jī)、算法和計(jì)算資源為人工智能系統(tǒng)按上“眼睛”，讓其可以擁有人類(lèi)的雙眼所具有的前景與背景分割、物體識(shí)別、目標(biāo)跟蹤、判斷決策等功能。計(jì)算機(jī)視覺(jué)系統(tǒng)可以讓計(jì)算機(jī)看見(jiàn)并理解這個(gè)世界的“信息”，從而替代人類(lèi)完成重復(fù)性工作。目前計(jì)算機(jī)視覺(jué)領(lǐng)域熱門(mén)的研究方向有物體檢測(cè)與識(shí)別、語(yǔ)義分割、目標(biāo)跟蹤等?！队?jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》圍繞著計(jì)算機(jī)視覺(jué)的關(guān)鍵技術(shù)，介紹基于深度學(xué)習(xí)計(jì)算機(jī)視覺(jué)的基礎(chǔ)理論及主要算法。《計(jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》結(jié)合常見(jiàn)的應(yīng)用場(chǎng)景和項(xiàng)目實(shí)例，循序漸進(jìn)地帶領(lǐng)讀者進(jìn)入美妙的計(jì)算機(jī)視覺(jué)世界?！队?jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》共分為11章，第1章為人工智能概述；第2～5章介紹計(jì)算機(jī)視覺(jué)的幾種關(guān)鍵技術(shù)，即圖像分類(lèi)、目標(biāo)檢測(cè)、圖像分割和目標(biāo)跟蹤，并將這四項(xiàng)關(guān)鍵技術(shù)組合完成人工智能的實(shí)際應(yīng)用；第6、7章介紹人工智能的兩個(gè)典型應(yīng)用：文字檢測(cè)與識(shí)別系統(tǒng)及多任務(wù)深度學(xué)習(xí)系統(tǒng)；第8章介紹一種非常有意思的深度學(xué)習(xí)網(wǎng)絡(luò)——對(duì)抗生成神經(jīng)網(wǎng)絡(luò)；第9章介紹制作訓(xùn)練和測(cè)試樣本的方法；第10章介紹如何安裝TensorFlow、KerasAPI及相關(guān)介紹；第11章介紹綜合實(shí)驗(yàn)。《計(jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》提供了大量項(xiàng)目實(shí)例及代碼解析，均是基于Python語(yǔ)言及TensorFlow、KerasAPI的?！队?jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》的每章均配有微課視頻，掃描書(shū)中的二維碼，可觀看作者的視頻講解?！队?jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》不僅可以作為大學(xué)計(jì)算機(jī)及相關(guān)專(zhuān)業(yè)的教材，也適合自學(xué)者及人工智能開(kāi)發(fā)人員參考使用。《計(jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》作者根據(jù)在計(jì)算機(jī)視覺(jué)領(lǐng)域多年的研發(fā)經(jīng)驗(yàn)編寫(xiě)了《計(jì)算機(jī)視覺(jué)》一書(shū)。《計(jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》理論與實(shí)踐并重，收集并整理了國(guó)內(nèi)外的新科研成果，結(jié)合實(shí)際項(xiàng)目實(shí)例，循序漸進(jìn)地引導(dǎo)讀者進(jìn)入美妙的計(jì)算機(jī)視覺(jué)世界，基于Python語(yǔ)言及TensorFlow、KerasAPI，配備了大量的源代碼及代碼解析，幫助廣大初學(xué)者掌握計(jì)算機(jī)視覺(jué)系統(tǒng)的開(kāi)發(fā)方法?！队?jì)算機(jī)視覺(jué)：Python+TensorFlow+Keras深度學(xué)習(xí)實(shí)戰(zhàn)（微課視頻版）》特點(diǎn)：項(xiàng)目帶領(lǐng)，任務(wù)驅(qū)動(dòng)教、學(xué)、做一體，注重讀者工程實(shí)踐能力的培養(yǎng)以讀者認(rèn)知過(guò)程為導(dǎo)向設(shè)計(jì)教材邏輯與章節(jié)內(nèi)容介紹新近科研成果，使讀者了解計(jì)算機(jī)視覺(jué)領(lǐng)域的前沿技術(shù)開(kāi)源全套代碼資源，配備詳細(xì)視頻講解，助力初學(xué)者快速入門(mén)

作者簡(jiǎn)介

　　袁雪，北京交通大學(xué)教授、博士生導(dǎo)師，曾任日本SECOM東京研究院研究員。從事人工智能、計(jì)算機(jī)視覺(jué)技術(shù)的教學(xué)與科研工作，在智能監(jiān)控、車(chē)載視覺(jué)環(huán)境感知、基于視覺(jué)的表面缺陷檢測(cè)、運(yùn)輸載體故障診斷等方向有著多年的科研經(jīng)驗(yàn)。近年來(lái)主持國(guó)家自然科學(xué)基金、北京市科委重點(diǎn)研發(fā)專(zhuān)項(xiàng)等***、省部級(jí)、企業(yè)合作項(xiàng)目共計(jì)30余項(xiàng)。在國(guó)際重要的學(xué)術(shù)期刊與會(huì)議上發(fā)表論文60余篇，其中被SCI收錄論文20余篇。被授權(quán)發(fā)明專(zhuān)利6項(xiàng)（日本發(fā)明專(zhuān)利3項(xiàng)）。目前致力于人工智能技術(shù)的產(chǎn)業(yè)化應(yīng)用。曾自主研發(fā)多套軟件與裝備，如無(wú)人系統(tǒng)的視覺(jué)感知系統(tǒng)、煤礦運(yùn)輸皮帶綜合監(jiān)測(cè)系統(tǒng)、高速鐵路運(yùn)行安全監(jiān)測(cè)系統(tǒng)等，產(chǎn)生了良好的經(jīng)濟(jì)和社會(huì)效益。

圖書(shū)目錄

第1章人工智能概述
1．1 人工智能的發(fā)展浪潮
1．2 AI技術(shù)發(fā)展歷史
1．2．1 AI技術(shù)三要素之算法
1．2．2 AI技術(shù)三要素之計(jì)算資源
1．2．3 AI三要素之?dāng)?shù)據(jù)
1．3 視頻分析技術(shù)的應(yīng)用案例
1．3．1 基于人臉識(shí)別技術(shù)的罪犯抓捕系統(tǒng)
1．3．2 基于文字識(shí)別技術(shù)的辦公自動(dòng)化系統(tǒng)
1．3．3 基于圖像分割及目標(biāo)檢測(cè)技術(shù)的無(wú)人駕駛環(huán)境感知系統(tǒng)
1．3．4 基于目標(biāo)檢測(cè)及跟蹤技術(shù)的電子交警系統(tǒng)
1．3．5 基于圖像比對(duì)技術(shù)的產(chǎn)品缺陷檢測(cè)系統(tǒng)
1．3．6 基于行為識(shí)別技術(shù)的安全生產(chǎn)管理系統(tǒng)
1．4 本章小結(jié)
第2章深度卷積神經(jīng)網(wǎng)絡(luò)
2．1 深度卷積神經(jīng)網(wǎng)絡(luò)的概念
2．2 卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)成
2．2．1 卷積層
2．2．2 激活函數(shù)
2．2．3 池化層
2．3 深度卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
2．3．1 常用網(wǎng)絡(luò)模型
2．3．2 網(wǎng)絡(luò)模型對(duì)比
2．4 圖像分類(lèi)
2．5 遷移學(xué)習(xí)
2．6 圖像識(shí)別項(xiàng)目實(shí)例
2．6．1 下載ImageNet的訓(xùn)練模型
2．6．2 ResNet模型構(gòu)建
2．6．3 測(cè)試圖像
2．7 本章小結(jié)
2．8 習(xí)題
第3章目標(biāo)檢測(cè)
3．1 目標(biāo)檢測(cè)的概念
3．2 基于候選區(qū)域的目標(biāo)檢測(cè)算法
3．2．1 FasterR-CNN目標(biāo)檢測(cè)算法
3．2．2 基于區(qū)域的全卷積網(wǎng)絡(luò)（R-FCN）目標(biāo)檢測(cè)算法
3．3 基于回歸的目標(biāo)檢測(cè)算法
3．3．1 YOLO目標(biāo)檢測(cè)算法
3．3．2 SSD目標(biāo)檢測(cè)算法
3．4 目標(biāo)檢測(cè)算法評(píng)價(jià)指標(biāo)
3．5 深度卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法性能對(duì)比
3．6 目標(biāo)檢測(cè)項(xiàng)目實(shí)戰(zhàn)
3．6．1 FasterR-CNN
3．6．2 用YOLO訓(xùn)練自己的模型
3．7 本章小結(jié)
3．8 習(xí)題
……
第4章圖像分割
第5章目標(biāo)跟蹤
第6章 OCR文字識(shí)別
第7章多任務(wù)深度學(xué)習(xí)網(wǎng)絡(luò)
第8章生成對(duì)抗神經(jīng)網(wǎng)絡(luò)
第9章樣本制作與數(shù)據(jù)增強(qiáng)
第10章 Keras安裝和API
第11章綜合實(shí)驗(yàn)：基于YOLO和DeepSort的目標(biāo)檢測(cè)與跟蹤