《深度学习计算机视觉实战》内容简介

本书是一本看懂计算机视觉的实战指南，使用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。全书内容共分为四个部分。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TensorFlow 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50多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，也适合作为高校相关专业的学生教材使用。
作者：肖铃，刘东

作品目录

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：TensorFlow
Lite
12.1、TensorFlow
Lite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TensorFlow
Lite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