計算機(jī)視覺案例教程

第1章 計算機(jī)視覺概述 1
1.1 從人類視覺系統(tǒng)到計算機(jī)視覺 1
1.2 計算機(jī)視覺與人工智能 7
1.3 計算機(jī)視覺應(yīng)用 9
1.4 課后習(xí)題 13
1.5 本章小結(jié) 15
第2章 系統(tǒng)環(huán)境搭建 16
2.1 項(xiàng)目1 搭建計算機(jī)視覺應(yīng)用開發(fā)的系統(tǒng)環(huán)境 16
2.2 課后習(xí)題 35
2.3 本章小結(jié) 35
第3章 圖像處理基礎(chǔ) 36
3.1 項(xiàng)目2 把logo貼到大圖右下角 36
3.2 課后習(xí)題 61
3.3 本章小結(jié) 64
第4章 圖像濾波 65
4.1 項(xiàng)目3 交通視頻中的車道線檢測和繪制 65
4.2 課后習(xí)題 102
4.3 本章小結(jié) 106
第5章 圖像特征提取和匹配 107
5.1 項(xiàng)目4 基于特征提取的logo定位 107
5.2 課后習(xí)題 120
5.3 本章小結(jié) 121
第6章 圖像分割基礎(chǔ) 122
6.1 項(xiàng)目5 數(shù)獨(dú)圖像中題干已知數(shù)字的分割 122
6.2 課后習(xí)題 142
6.3 本章小結(jié) 144
第7章 使用經(jīng)典機(jī)器學(xué)習(xí)方法的目標(biāo)檢測和圖像分類 145
7.1 項(xiàng)目6 使用SVM完成圖片中的多車檢測 145
7.2 項(xiàng)目7 使用KNN識別印刷體數(shù)字 157
7.3 課后習(xí)題 165
7.4 本章小結(jié) 166
第8章 基于深度學(xué)習(xí)的圖像分類基礎(chǔ) 167
8.1 項(xiàng)目8 基于全連接網(wǎng)絡(luò)的圖像分類 167
8.2 項(xiàng)目9 基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的圖像分類 187
8.3 課后習(xí)題 197
8.4 本章小結(jié) 199
第9章 復(fù)雜深度學(xué)習(xí)項(xiàng)目的規(guī)范寫法 200
9.1 項(xiàng)目10 基于本地數(shù)據(jù)的貓狗圖像分類 200
9.2 課后習(xí)題 232
9.3 本章小結(jié) 232
第10章 基于深度學(xué)習(xí)的物體追蹤 233
10.1 項(xiàng)目11 基于YOLOv3的行人追蹤 233
10.2 課后習(xí)題 246
10.3 本章小結(jié) 247
第11章 基于深度學(xué)習(xí)的人臉相關(guān)應(yīng)用 248
11.1 項(xiàng)目12 人臉檢測、人臉識別和表情識別 248
11.2 課后習(xí)題 295
11.3 本章小結(jié) 296
附錄A：術(shù)語表 297
附錄B：基于Ubuntu操作系統(tǒng)和CPU的系統(tǒng)環(huán)境搭建 300
附錄C：基于Ubuntu操作系統(tǒng)和GPU的系統(tǒng)環(huán)境搭建 303
附錄D：CPU下的TensorFlow和Python版本對應(yīng)關(guān)系 311
附錄E：GPU下的TensorFlow、Python、CUDA和cuDNN版本對應(yīng)關(guān)系 313