《深度学习实践：计算机视觉》内容简介

本书主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通过本书，读者能够了解深度学习在计算机视觉各个方向的应用以及最新进展。本书的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感兴趣的爱好者使用。
缪鹏，某985高校物理硕士，长期从事企业虚拟化和深度学习图像算法方面的工作。现为广州棒谷科技有限公司AI-CV核心成员，负责团队图像分类、搜索与图像合成核心算法开发。

作品目录

作者简介
内容简介
前言
第1章：深度学习与计算机视觉
1.1、图像基础
1.2、深度学习与神经网络基础
1.3、卷积神经网络CNN
1.4、基础开发环境搭建
1.5、本章总结
第2章：OpenCV入门
2.1、读图、展示和保存新图
2.2、像素点及局部图像
2.3、基本线条操作
2.4、平移
2.5、旋转
2.6、缩放
2.7、翻转
2.8、裁剪
2.9、算术操作
2.10、位操作
2.11、Masking操作
2.12、色彩通道分离与融合
2.13、颜色空间转换
2.14、颜色直方图
2.15、平滑与模糊
2.16、边缘检测
2.17、人脸和眼睛检测示例
2.18、本章总结
第3章：常见深度学习框架
3.1、PyTorch
3.2、Chainer
3.3、TensorFlow与Keras
3.4、MXNet与Gluon
3.5、其他框架
3.6、本章总结
第4章：图像分类
4.1、VGG
4.2、ResNet
4.3、Inception
4.4、Xception
4.5、DenseNet
4.6、本章总结
第5章：目标检测与识别
5.1、Faster
RCNN
5.2、SSD
5.3、YOLO
5.4、本章总结
第6章：图像分割
6.1、物体分割
6.2、语义分割
6.3、实例分割
6.4、本章总结
第7章：图像搜索
7.1、Siamese
Network
7.2、Triplet
Network
7.3、Margin
Based
Network
7.4、Keras版Triplet
Network示例
7.5、本章小结
第8章：图像生成
8.1、VAE
8.2、生成对抗网络GAN
8.3、Neural
Style
Transfer
8.4、本章总结
后记