欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 计算机视觉应用开发(人工智能技术应用十四五高等职业教育新形态一体化教材)/新一代信息技术类典型专业课程系列
      • 作者:编者:方水平//刘业辉|责编:王春霞//包宁
      • 出版社:中国铁道
      • ISBN:9787113293598
      • 出版日期:2023/02/01
      • 页数:320
    • 售价:27.92
  • 内容大纲

        本书面向高等职业教育专科人工智能技术应用专业,融入《计算机视觉应用开发职业技能等级标准》编写而成。
        本书分为计算机视觉应用开发的数据处理、处理计算机视觉应用图像、计算机视觉应用开发3个项目,包括数据预处理,数据清洗与合并,聚合和分组、可视化数据,图像数据采集与加载,图像清洗与标注,图像增广,图像分割,图像匹配,视频采集与处理,基于机器学习的人脸识别,基于深度学习的手写体数字识别,基于深度学习的图像分类等12个任务。
        全书为基于工作过程开发完成的活页教材,依据“任务导向”“目标先行”“兴趣诱发”的学习动机、发展条件组织课程内容。
        本书适合作为高等职业教育专科人工智能技术应用专业的教材,也可作为计算机视觉应用开发“1+X”职业技能等级证书认证的相关教学和培训教材,还可作为人工智能应用领域相关技术人员的自学参考书。
  • 作者介绍

  • 目录

    项目1  计算机视觉应用开发的数据处理
      任务1  数据预处理
        1.1  任务介绍
        1.2  导学
        1.3  任务实施
        1.4  任务评价与总结
        1.5  知识积累
          1.5.1  计算机视觉
          1.5.2  Python的Pandas包
          1.5.3  数据读取和写入
          1.5.4  Pandas包的Series
          1.5.5  Pandas中的DataFrame
      任务2  数据清洗与合并
        2.1  任务介绍
        2.2  导学
        2.3  任务实施
        2.4  任务评价与总结
        2.5  知识积累
          2.5.1  数据缺失类型
          2.5.2  缺失值处理方法
          2.5.3  Pandas对缺失值的处理
          2.5.4  规范化数据类型
      任务3  聚合和分组、可视化数据
        3.1  任务介绍
        3.2  导学
        3.3  任务实施
        3.4  任务评价与总结
        3.5  知识积累
          3.5.1  数据分组
          3.5.2  数据聚合
          3.5.3  数据可视化
    项目2  处理计算机视觉应用图像
      任务1  图像数据采集与加载
        1.1  任务介绍
        1.2  导学
        1.3  任务实施
        1.4  任务评价与总结
        1.5  知识积累
          1.5.1  图像采集方法
          1.5.2  计算机视觉开源图像数据集
          1.5.3  OpenCV软件库简介
          1.5.4  OpenCV读取图像文件
          1.5.5  OpenCV显示图像
          1.5.6  OpenCV保存图像文件
      任务2  图像清洗与标注
        2.1  任务介绍
        2.2  导学
        2.3  任务实施
        2.4  任务评价与总结
        2.5  知识积累

          2.5.1  数字图像
          2.5.2  图像文件格式
          2.5.3  Python的OS模块
          2.5.4  OpenCV实现色彩空间转换
          2.5.5  OpenCV实现图像缩放
          2.5.6  图像标注
      任务3  图像增广
        3.1  任务介绍
        3.2  导学
        3.3  任务实施
        3.4  任务评价与总结
        3.5  知识积累
          3.5.1  图像叠加
          3.5.2  图像几何变换
          3.5.3  图像裁剪
          3.5.4  图像亮度、对比度调整
          3.5.5  图像平滑处理
      任务4  图像分割
        4.1  任务介绍
        4.2  导学
        4.3  任务实施
        4.4  任务评价与总结
        4.5  知识积累
          4.5.1  图像阈值处理
          4.5.2  图像的形态学处理
          4.5.3  边缘检测
          4.5.4  图像轮廓
          4.5.5  图像轮廓拟合
          4.5.6  分水岭算法图像分割
      任务5  图像匹配
        5.1  任务介绍
        5.2  导学
        5.3  任务实施
        5.4  任务评价与总结
        5.5  知识积累
      任务6  视频采集与处理
        6.1  任务介绍
        6.2  导学
        6.3  任务实施
        6.4  任务评价与总结
        6.5  知识积累
          6.5.1  视频读入
          6.5.2  播放视频文件
          6.5.3  视频保存
          6.5.4  视频分帧
    项目3  计算机视觉应用开发
      任务1  基于机器学习的人脸识别
        1.1  任务介绍
        1.2  导学
        1.3  任务实施

        1.4  任务评价与总结
        1.5  知识积累
          1.5.1  机器学习的基本概念
          1.5.2  机器学习算法应用开发流程
          1.5.3  机器学习算法
          1.5.4  机器学习模型评估的方法
      任务2  基于深度学习的手写体数字识别
        2.1  任务介绍
        2.2  导学
        2.3  任务实施
        2.4  任务评价与总结
        2.5  知识积累
          2.5.1  深度学习的基本概念
          2.5.2  卷积神经网络
          2.5.3  深度学习开发环境搭建
          2.5.4  LeNet模型分解
      任务3  基于深度学习的图像分类
        3.1  任务介绍
        3.2  导学
        3.3  任务实施
        3.4  任务评价与总结
        3.5  知识积累
          3.5.1  VGG16深度卷积神经网络简介
          3.5.2  VGG16模型结构
          3.5.3  VGG16模型分解
    参考文献