作品简介

随着深度学习技术的发展、计算能力的提升和视觉数据的增加,计算机视觉技术在图像搜索、智能相册、人脸闸机、城市智能交通管理、智慧医疗等诸多领域都取得了令人瞩目的成绩。越来越多的人开始关注这个领域。计算机视觉包含多个分支,其中图像分类、目标检测、图像分割、目标跟踪等是计算机视觉领域最重要的几个研究课题。本书介绍的目标检测技术,本质上就是通过计算机运行特定的算法,检测图像中一些受关注的目标。当今时代,我们很容易在互联网上找到目标检测算法的开源代码,运行代码并不是什么难事,但理解其中的原理却有一定的难度。我们编写本书的目的就是由浅入深地向读者讲解目标检测技术,用相对通俗的语言来介绍算法的背景和原理,在读者“似懂非懂”时给出实战案例。实战案例的代码已全部通过线下验证,代码并不复杂,可以很好地帮助读者理解算法细节,希望读者在学习理论之后可以亲自动手实践。目标检测的理论和实践是相辅相成的,希望本书可以带领读者走进目标检测的世界。

本书作者涂铭,金智勇。

作品目录

  • 前言
  • 第1章 目标检测概述
  • 1.1 什么是目标检测
  • 1.2 典型的应用场景
  • 1.3 目标检测技术发展简史
  • 1.4 目标检测领域重要的公开评测集
  • 1.5 本章小结
  • 第2章 目标检测前置技术
  • 2.1 深度学习框架
  • 2.2 搭建开发环境
  • 2.3 NumPy使用详解
  • 2.4 本章小结
  • 第3章 卷积神经网络
  • 3.1 卷积神经网络基础
  • 3.2 本章小结
  • 第4章 数据预处理
  • 4.1 数据增强
  • 4.2 数据的探索——Kaggle猫狗大战
  • 4.3 本章小结
  • 第5章 常见卷积神经网络结构
  • 5.1 LeNet神经网络
  • 5.2 AlexNet神经网络
  • 5.3 VGGNet神经网络
  • 5.4 GoogLeNet神经网络
  • 5.5 ResNet
  • 5.6 DenseNet
  • 5.7 其他网络结构
  • 5.8 实战案例
  • 5.9 计算图像数据集的RGB均值和方差
  • 5.10 本章小结
  • 第6章 mmdetection工具包介绍
  • 6.1 mmdetection概要
  • 6.2 mmdetection支持的检测框架和算法实现
  • 6.3 搭建mmdetection开发环境
  • 6.4 使用入门
  • 6.5 标注图像
  • 6.6 实战案例
  • 6.7 本章小结
  • 第7章 目标检测的基本概念
  • 7.1 概念详解
  • 7.2 本章小结
  • 第8章 两阶段检测方法
  • 8.1 R-CNN算法
  • 8.2 SPP-Net算法
  • 8.3 Fast R-CNN算法及训练过程
  • 8.4 Faster R-CNN算法及训练过程
  • 8.5 Faster R-CNN代码解析
  • 8.6 本章小结
  • 第9章 检测算法的进一步改进
  • 9.1 特征金字塔
  • 9.2 焦点损失函数
  • 9.3 本章小结
  • 第10章 一阶段检测算法
  • 10.1 YOLO算法
  • 10.2 SSD算法
  • 10.3 FCOS算法
  • 10.4 本章小结
  • 第11章 工业AI的发展
  • 11.1 工业AI的概念和互联网
  • 11.2 工业AI落地应用
  • 11.3 工业生产中的缺陷检测问题
  • 11.4 目标检测在工业中的案例:面板行业ADC解决方案
  • 11.5 本章小结
展开全部