定 價:49.8 元
叢書名:職業(yè)教育人工智能技術應用專業(yè)系列教材
- 作者:國基北盛(南京)科技發(fā)展有限公司
- 出版時間:2023/7/1
- ISBN:9787111729730
- 出 版 社:機械工業(yè)出版社
- 中圖法分類:TP302.7
- 頁碼:
- 紙張:純質(zhì)紙
- 版次:
- 開本:16開
本書從計算機視覺初學者的視角出發(fā),以Python及其相關框架為工具,以實戰(zhàn)為導向,講述了計算機視覺中關于圖像以及多種圖像處理的基本概念、理論方法和經(jīng)典算法,既有對圖像基礎知識的介紹,也有對現(xiàn)實問題的解決方案和技術詳細闡述。通過利用計算機視覺中的圖像變換算法解決圖像分類、人臉識別、圖像增強、圖像語義分割、圖像風格遷移、圖像超分辨率重建和場景文字識別等現(xiàn)實問題,使讀者既能了解圖像的多種操作原理,又能學會解決實際問題的思路和方法,提高使用計算機視覺方法的能力。
本書可作為各類職業(yè)院校人工智能技術應用及相關專業(yè)的教材,也可作為人工智能、計算機視覺初學者的參考書。
本書配有電子課件等教學資源,選用本書作為授課教材的教師可從機械工業(yè)出版社教育服務網(wǎng)(wwwcmpeducom)免費注冊并登錄后下載,或聯(lián)系編輯(010-88379807)咨詢。
前言
計算機視覺(Computer Vision,CV)屬于計算機科學領域,專注于創(chuàng)建可以像人類一樣處理、分析和理解視覺數(shù)據(jù)(圖像或視頻)的數(shù)字系統(tǒng)。計算機視覺的概念是教會計算機處理像素級別的圖像并理解它。從技術上講,機器嘗試通過特殊的軟件算法來對視覺信息進行檢索、處理并解釋其結(jié)果。隨著人工智能技術的不斷發(fā)展,各類計算機視覺技術應用到了日常生活中,人們通過計算機視覺技術可以更便捷、高效地來交流、辦公和娛樂。同樣,計算機視覺的不斷發(fā)展也吸引了大量的優(yōu)秀人才和高校畢業(yè)生投身其中。但是,現(xiàn)實生活中的問題千奇百怪,計算機視覺也無法完全解決生活中的所有難題,只能通過不同領域的學者一起努力研究和探索。
本書在內(nèi)容選擇上盡量涵蓋了計算機視覺中圖像處理的各方面知識,采用理論與實踐相結(jié)合的編寫模式,從初學者的角度深入淺出地介紹了計算機視覺中圖像處理的基本概念、基礎知識以及常用的理論方法和算法,并應用所學方法解決實際案例問題,幫助讀者快速理解并掌握計算機視覺中圖像處理的理論方法以及實踐技能。
本書把“立德樹人”作為綜合教育理念,讓學生在學習的過程中形成協(xié)同效應,培養(yǎng)素質(zhì)高、專業(yè)技術全面的高技能人才,助力中國式現(xiàn)代化。
本書為2021年度陜西高等職業(yè)教育教學改革研究重點攻關項目《產(chǎn)教融合背景下高職院校產(chǎn)業(yè)學校建設運行機制的研究與實踐》(項目編號:21GG009)研究成果之一。
本書中所有程序代碼都基于Python 37和Tensorflow 27進行開發(fā)。
本書共8個學習單元,每個單元都設有單元概述和學習目標,并在學習結(jié)束后設有學習評估和單元習題。其中,單元1介紹了計算機視覺中圖像的相關概念、基礎知識以及一些簡單的圖像變換處理等;單元2、3介紹了圖像分類和人臉識別的基本概念、方法以及應用;單元4介紹了圖像增強的分類及方法;單元5介紹了圖像語義分割的基本概念、語義分割網(wǎng)絡和案例實施;單元6介紹了圖像風格遷移的概念、多種風格遷移方法及應用;單元7介紹了圖像超分辨率重建基礎知識、多種重建方法及應用;單元8介紹了場景文字識別的概念、方法及應用。各單元建議安排的學時如下:
單元名稱建議學時單元1圖像基礎學習4單元2圖像分類6單元3人臉識別8單元4圖像增強6單元5圖像語義分割10單元6圖像風格遷移12單元7圖像超分辨率重建12單元8場景文字識別6
本書由國基北盛(南京)科技發(fā)展有限公司組編,由劉洪海、丁愛萍、張衛(wèi)婷任主編,王妍、于倩、屈毅、張傳勇任副主編,參與編寫的還有馬曉虎、王春蓮、張峰連、李永亮、王秀芳、王靖、勞飛、單杰和魏鵬飛。其中,劉洪海、丁愛萍、王妍、張峰連和魏鵬飛負責編寫單元1和單元2,丁愛萍、張衛(wèi)婷、屈毅和王靖負責編寫單元3和單元4,劉洪海、于倩、馬曉虎和勞飛負責編寫單元5和單元6,張傳勇、李永亮、王春蓮、王秀芳和單杰負責編寫單元7和單元8。
由于編者水平有限,書中難免存在疏漏和不足之處,懇請讀者批評指正。
編者
目錄
前言
單元1圖像基礎學習
11圖像相關名詞概述
12圖像基礎操作
13圖像幾何變換
14閾值分割
15圖像統(tǒng)計
16圖像濾波
單元小結(jié)
學習評估
單元習題
單元2圖像分類
21圖像分類概述
22神經(jīng)網(wǎng)絡
23卷積神經(jīng)網(wǎng)絡
24實戰(zhàn)案例——基于卷積神經(jīng)網(wǎng)絡的圖像分類
25遷移學習
26實戰(zhàn)案例——基于遷移學習的圖像分類
單元小結(jié)
學習評估
單元習題
單元3人臉識別
31目標檢測
32實戰(zhàn)案例——基于YOLOv3的目標檢測
33人臉檢測
34實戰(zhàn)案例——基于Haar特征的人臉檢測
35實戰(zhàn)案例——基于Hog特征的人臉檢測
36人臉識別
37認識face_recognition開源庫
38實戰(zhàn)案例——基于face_recognition的人臉識別
單元小結(jié)
學習評估
單元習題
單元4圖像增強
41圖像增強概述
42有監(jiān)督的圖像增強
43實戰(zhàn)案例——基于mixup/cutmix算法的圖像增強
44無監(jiān)督的圖像增強
單元小結(jié)
學習評估
單元習題
單元5圖像語義分割
51語義分割概述
52上采樣
53特征融合
54語義分割網(wǎng)絡
55實戰(zhàn)案例——基于UNet的圖像語義分割
單元小結(jié)
學習評估
單元習題
單元6圖像風格遷移
61圖像風格遷移概述
62風格提取
63gram矩陣
64損失計算
65VGG19
66實戰(zhàn)案例——基于VGG19的圖像風格遷移
67對抗生成網(wǎng)絡
68實戰(zhàn)案例——基于CycleGAN的圖像風格遷移
單元小結(jié)
學習評估
單元習題
單元7圖像超分辨率重建
71認識圖像分辨率
72認識圖像超分辨率
73超分辨率重建技術
74SRCNN
75PSNR
76實戰(zhàn)案例——基于SRCNN的圖像超分辨率重建
77SRGAN
78實戰(zhàn)案例——基于SRGAN的圖像超分辨率重建
單元小結(jié)
學習評估
單元習題
單元8場景文字識別
81場景文字識別概述
82LSTM
83CTC
84實戰(zhàn)案例——基于LSTM+CTC的文字識別
85tesseract
86實戰(zhàn)案例——基于tesseract的文字識別
單元小結(jié)
學習評估
單元習題
參考文獻