深度学习实践：计算机视觉

作品简介

本书主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通过本书，读者能够了解深度学习在计算机视觉各个方向的应用以及最新进展。本书的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感兴趣的爱好者使用。

缪鹏，某985高校物理硕士，长期从事企业虚拟化和深度学习图像算法方面的工作。现为广州棒谷科技有限公司AI-CV核心成员，负责团队图像分类、搜索与图像合成核心算法开发。

作品目录

• 作者简介
• 内容简介
• 前言
• 第1章 深度学习与计算机视觉
• 1.1　图像基础
• 1.2　深度学习与神经网络基础
• 1.3　卷积神经网络CNN
• 1.4　基础开发环境搭建
• 1.5　本章总结
• 第2章 OpenCV入门
• 2.1　读图、展示和保存新图
• 2.2　像素点及局部图像
• 2.3　基本线条操作
• 2.4　平移
• 2.5　旋转
• 2.6　缩放
• 2.7　翻转
• 2.8　裁剪
• 2.9　算术操作
• 2.10　位操作
• 2.11　Masking操作
• 2.12　色彩通道分离与融合
• 2.13　颜色空间转换
• 2.14　颜色直方图
• 2.15　平滑与模糊
• 2.16　边缘检测
• 2.17　人脸和眼睛检测示例
• 2.18　本章总结
• 第3章 常见深度学习框架
• 3.1　PyTorch
• 3.2　Chainer
• 3.3　TensorFlow与Keras
• 3.4　MXNet与Gluon
• 3.5　其他框架
• 3.6　本章总结
• 第4章 图像分类
• 4.1　VGG
• 4.2　ResNet
• 4.3　Inception
• 4.4　Xception
• 4.5　DenseNet
• 4.6　本章总结
• 第5章 目标检测与识别
• 5.1　Faster RCNN
• 5.2　SSD
• 5.3　YOLO
• 5.4　本章总结
• 第6章 图像分割
• 6.1　物体分割
• 6.2　语义分割
• 6.3　实例分割
• 6.4　本章总结
• 第7章 图像搜索
• 7.1　Siamese Network
• 7.2　Triplet Network
• 7.3　Margin Based Network
• 7.4　Keras版Triplet Network示例
• 7.5　本章小结
• 第8章 图像生成
• 8.1　VAE
• 8.2　生成对抗网络GAN
• 8.3　Neural Style Transfer
• 8.4　本章总结
• 后记