本书是一本学习计算机视觉的实战指南,通过理论与实践相结合的思想,真正一站式搞定理论学习、算法开发到模型部署上线。全书内容可分为四个部分。第一部分包括第1~2章,主要讲解深度学习和计算机视觉基础,如计算机视觉领域的经典网络和常见的目标检测算法;第二部分包括第3~6章,主要讲解图像处理知识,结合应用案例,对知识点进行分析说明;第三部分包括第7~11章,主要讲解计算机视觉中的实战项目,对实现细节做了追本溯源的讲解;第四部分包括第12~13章,主要讲解模型的落地部署,该部分的讲解基于Tensor Flow Lite框架,该框架受众广、热度高,且在各种平台都有对应的支持与优化加速方案,方便读者使用。本书中的上百个知识点与近60个案例都是作者工程应用中的经验总结,每章末尾均有“进阶必备”,给读者提供更多的拓展知识。本书适合计算机视觉的初学者、计算机视觉算法开发人员、对深度学习有兴趣的用户或者亟须工程落地使用的用户阅读,也适合作为高校相关专业的教材。
内容简介
序
前言
第1章 深度学习基础
1.1 神经网络
1.2 卷积神经网络
1.3 循环神经网络
1.4 经典网络
1.5 进阶必备:如何学习深度学习并“落地”求职
第2章 计算机视觉基础
2.1 目标检测Two-stage算法
2.2 目标检测One-stage算法
2.3 图像分割算法
2.4 进阶必备:计算机视觉方向知多少
第3章 基础图像处理
3.1 线性滤波
3.2 非线性滤波
3.3 OpenCV形态学运算
3.4 案例9:使用漫水填充
3.5 图像金字塔
3.6 阈值化
3.7 进阶必备:选择一款合适的图像处理工具
第4章 图像变换
4.1 边缘检测
4.2 案例18:绘制轮廓
4.3 霍夫变换
4.4 案例21:重映射
4.5 案例22:仿射变换
4.6 案例23:透视变换
4.7 直方图
4.8 进阶必备:图像变换应用之文本图像矫正
第5章 角点检测
5.1 案例27:Harris角点检测
5.2 案例28:Shi-Tomasi角点检测
5.3 案例29:亚像素级角点检测
5.4 进阶必备:角点检测知识总结
第6章 特征点检测与匹配
6.1 特征点检测
6.2 特征匹配
6.3 案例34:ORB特征提取
6.4 进阶必备:利用特征点拼接图像
第7章 手写数字识别
7.1 Keras的应用
7.2 LeNet算法
7.3 案例36:使用Keras实现手写数字识别
7.4 进阶必备:算法模型开发流程
第8章 CIFAR-10图像分类
8.1 图像分类数据集
8.2 案例37:CIFAR-10图像分类
8.3 进阶必备:COCO数据集与使用HOG+SVM方法实现图像分类
第9章 验证码识别
9.1 TensorFlow应用
9.2 案例40:验证码识别
9.3 进阶必备:算法模型开发技巧
第10章 文本检测
10.1 文本检测算法
10.2 案例41:基于EAST算法的文本检测
10.3 进阶必备:在不同场景下文本检测的应对方式
第11章 文本识别
11.1 文本识别算法
11.2 案例44:基于CRNN算法的文本识别
11.3 进阶必备:单字OCR
第12章 TensorFlowLite
12.1 TensorFlowLite介绍
12.2 模型转换
12.3 模型量化
12.4 进阶必备:模型转换与模型部署优化答疑
第13章 基于TensorFlowLite的AI功能部署实战
13.1 部署流程
13.2 案例49:移动端部署
13.3 PC端部署
13.4 进阶必备:推理框架拓展与OpenCV编译部署
其他
