- 深度学习与图像处理(PaddlePaddle版)
- - 作者：钱彬//朱会杰//晋军伟|责编:陈景辉
  - 出版社：清华大学
  - ISBN：9787302673774
  - 出版日期：2024/10/01
  - 页数：292
- 售价：27.96

内容大纲
本书基于国产开源深度学习框架PaddlePaddle进行编写，全面、系统地介绍了PaddlePaddle在数字图像处理中的各种技术及应用，书中项目实例全部采用动态图版本实现。全书共8章，分别介绍了基于深度学习的图像分类、目标检测、语义分割、实例分割、关键点检测、风格迁移等内容，所有知识点均通过实际项目进行串联，旨在帮助读者在掌握基本深度学习算法原理的基础上，扩展项目实操能力，达到学以致用的效果。
本书可作为全国高等学校计算机、人工智能等专业的“深度学习”课程教材，主要面向相关领域的教师、在读学生和科研人员，以及从事深度学习与图像处理的工程技术人员和爱好者。
作者介绍
目录
第1部分  基础知识
  第1章  图像处理基础
    1.1  图像处理的基本概念
      1.1.1  模拟图像和数字图像
      1.1.2  数字图像常见类型
      1.1.3  应用方向
    1.2  图像处理基本操作
      1.2.1  安装OpenCV
      1.2.2  图像读取、保存和可视化
      1.2.3  像素操作
      1.2.4  图像转换
      1.2.5  图像缩放
      1.2.6  图像裁剪
      1.2.7  翻转和旋转
    1.3  图像卷积和滤波
      1.3.1  线性滤波与卷积
      1.3.2  常见卷积核
    1.4  综合案例应用：基于OpenCV的自动驾驶小车
      1.4.1  任务概述
      1.4.2  安装仿真平台
      1.4.3  车道线检测
      1.4.4  动作控制
    1.5  小结
  第2章  深度学习基础
    2.1  深度学习概述
      2.1.1  人工智能、机器学习和深度学习
      2.1.2  深度学习起源和发展
      2.1.3  深度学习框架
    2.2  环境安装
      2.2.1  安装说明
      2.2.2  Windows平台
      2.2.3  Ubuntu平台
      2.2.4  AI Suadio平台
    2.3  PaddlePaddle基础
      2.3.1  Tensor表示
      2.3.2  Tensor计算
      2.3.3  自动求梯度
    2.4  PaddlePaddle实现机器学习：线性回归投资预测
      2.4.1  问题定义
      2.4.2  导数法
      2.4.3  梯度下降法
    2.5  PaddlePaddle实现深度学习：自动驾驶小车控制
      2.5.1  卷积神经网络基础
      2.5.2  算法原理
      2.5.3  数据采集
      2.5.4  数据读取
      2.5.5  网络模型
      2.5.6  损失函数
      2.5.7  优化算法
      2.5.8  模型训练

      2.5.9  模型验证
      2.5.10  模型集成
    2.6  小结
第2部分  案例应用
  第3章  图像分类（智能垃圾分拣器）
    3.1  任务概述
      3.1.1  任务背景
      3.1.2  安装PaddleClas套件
    3.2  算法原理
      3.2.1  VGG算法
      3.2.2  ResNet算法
      3.2.3  MobileNet算法
    3.3  算法研发
      3.3.1  数据集准备
      3.3.2  算法训练
    3.4  Jetson Nano智能终端部署（Linux GPU推理）
      3.4.1  部署工具FastDeploy介绍
      3.4.2  Jetson Nano上Python推理
      3.4.3  Jetson Nano上C++推理
    3.5  小结
  第4章  目标检测（二维码扫码枪）
    4.1  任务概述
      4.1.1  任务背景
      4.1.2  安装PaddleDetecttion套件
    4.2  算法原理
      4.2.1  目标检测常用概念
      4.2.2  RCNN算法
      4.2.3  Fast RCNN算法
      4.2.4  Faster RCNN算法
      4.2.5  YOLO v3算法
      4.2.6  PieoDet算法
    4.3  算法研发
      4.3.1  目标检测数据集常用格式介绍
      4.3.2  使用Labelme制作自己的二维码检测数据集
      4.3.3  Labelme格式转换成COCO格式
      4.3.4  算法训练
    4.4  树莓派开发板部署（Linux CPU推理）
      4.4.1  树莓派上Python推理
      4.4.2  树莓派上C++推理
    4.5  小结
  第5章  语义分割（证件照制作工具）
    5.1  任务概述
      5.1.1  任务背景
      5.1.2  安装PaddleSeg套件
    5.2  算法原理
      5.2.1  FCN算法
      5.2.2  UNet算法
      5.2.3  HRNet算法
      5.2.4  OCRNet算法
    5.3  算法研发

      5.3.1  数据集准备
      5.3.2  使用Labelme制作自己的语义分割数据集
      5.3.3  算法训练
    5.4  Qt C++桌面客户端部署（Windows CPU推理）
      5.4.1  Qt基础示例程序介绍
      5.4.2  配置并导入FastDeploy库
      5.4.3  编写算法推理模块
      5.4.4  集成依赖库和模型
    5.5  小结
  第6章  实例分割（肾小球影像分析仪）
    6.1  任务概述
      6.1.1  任务背景
      6.1.2  实例分割概述
    6.2  算法原理
    6.3  算法研发
      6.3.1  数据集准备
      6.3.2  算法训练
    6.4  C#工控程序部署（Windows GPU推理）
      6.4.1  生成C++示例工程
      6.4.2  编译C++动态链接库
      6.4.3  编写C#工程
    6.5  小结
  第7章  关键点检测（身份证识读App）
    7.1  任务概述
      7.1.1  任务背景
      7.1.2  关键点检测概述
    7.2  PPTinyPose算法原理
      7.2.1  Lite-HRNet骨干网络算法
      7.2.2  数据增强算法
      7.2.3  分布感知坐标表示方法
      7.2.4  无偏数据处理
    7.3  算法研发
      7.3.1  数据集准备
      7.3.2  算法训练
    7.4  移动端部署（安卓Java推理）
      7.4.1  安卓基础示例程序
      7.4.2  配置FastDeploy库
      7.4.3  编写推理模块
    7.5  小结
  第8章  风格迁移（照片动漫化在线转换网站）
    8.1  任务概述
      8.1.1  任务背景
      8.1.2  安装PaddleGAN套件
    8.2  算法原理
      8.2.1  GAN算法
      8.2.2  DCGAN算法
      8.2.3  AnimeGAN算法
    8.3  算法研发
      8.3.1  数据集准备
      8.3.2  训练

    8.4  微服务部署（FastDeploy Serving推理）
      8.4.1  准备Docker环境
      8.4.2  部署服务
      8.4.3  微服务开发
    8.5  小结
后记

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目