《OpenCV+TensorFlow深度学习与计算机视觉实战》内容简介

本书旨在掌握深度学习基本知识和特性的基础上，培养使用TensorFlow+OpenCV进行实际编程以解决图像处理相关问题的能力。全书力求通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。
本书共13章，内容包括计算机视觉与深度学习的关系、Python的安装和使用、Python数据处理及可视化、机器学习的理论和算法、计算机视觉处理库OpenCV、OpenCV图像处理实战、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、BP神经网络、反馈神经网络、卷积神经网络等。本书强调理论联系实际，着重介绍TensorFlow+OpenCV解决图像识别的应用，提供大量数据集供读者使用，并以代码的形式实现深度学习模型实例供读者参考。本书既可作为学习人工神经网络、深度学习、TensorFlow程序设计以及图像处理等相关内容的程序设计人员的自学用书，也可作为高等院校和培训学校相关专业的教材使用。
王晓华，高校资深计算机专业讲师，给研究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立完成一项科研成果并获省级成果认定，发表过多篇论文，申请有一项专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》等图书。

作品目录

内容简介
作者简介
前
言
第1章：计算机视觉与深度学习
1.1、计算机视觉与深度学习的关系
1.2、计算机视觉学习的基础与研究方向
1.3、本章小结
第2章：Python的安装与使用
2.1、Python基本安装和用法
2.2、TensorFlow类库的下载与安装（基于CPU模式）
2.3、TensorFlow类库的下载与安装（基于GPU模式）
2.4、OpenCV类库的下载与安装
2.5、Python常用类库中的threading
2.6、本章小结
第3章：Python数据处理及可视化
3.1、从小例子起步——NumPy的初步使用
3.2、图形化数据处理——Matplotlib包的使用
3.3、深度学习理论方法——相似度计算
3.4、数据的统计学可视化展示
3.5、Python数据分析与可视化实战——某地降水的关系处理
3.6、本章小结
第4章：深度学习的理论基础——机器学习
4.1、机器学习基本分类
4.2、机器学习基本算法
4.3、算法的理论基础
4.4、回归算法
4.5、机器学习的其他算法——决策树
4.6、本章小结
第5章：计算机视觉处理库OpenCV
5.1、认识OpenCV
5.2、OpenCV基本的图片读取
5.3、OpenCV的卷积核处理
5.4、本章小结
第6章：OpenCV图像处理实战
6.1、图片的自由缩放以及边缘裁剪
6.2、使用OpenCV扩大图像数据库
6.3、本章小结
第7章：Let's
play
TensorFlow
7.1、TensorFlow游乐场
7.2、Hello
TensorFlow
7.3、本章小结
第8章：Hello
TensorFlow，从0到1、8.1、TensorFlow的安装
8.2、TensorFlow常量、变量和数据类型
8.3、TensorFlow矩阵计算
8.4、Hello
TensorFlow
8.5、本章小结
第9章：TensorFlow重要算法基础
9.1、BP神经网络简介
9.2、BP神经网络两个基础算法详解
9.3、TensorFlow实战——房屋价格的计算
9.4、反馈神经网络反向传播算法介绍
9.5、本章小结
第10章：TensorFlow数据的生成与读取
10.1、TensorFlow的队列
10.2、CSV文件的创建与读取
10.3、TensorFlow文件的创建与读取
10.4、本章小结
第11章：卷积神经网络的原理
11.1、卷积运算基本概念
11.2、卷积神经网络的结构详解
11.3、TensorFlow实现LeNet实例
11.4、本章小结
第12章：卷积神经网络公式的推导与应用
12.1、反馈神经网络算法
12.2、使用卷积神经网络分辨CIFAR-10数据集
12.3、本章小结
第13章：猫狗大战——实战AlexNet图像识别
13.1、AlexNet简介
13.2、实战猫狗大战——AlexNet模型
13.3、本章小结