計算機視覺基礎 馮占榮 王利霞 江一等 9787122469953 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202503*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：計算機視覺基礎
ISBN：9787122469953
出版社：化學工業
著編譯者：馮占榮 王利霞 江一等
頁數：281
所在地：中國大陸 *此為代購商品
書號：1713845
可大量預訂，請先連絡。

內容簡介

本書以Python語言為工具，以圖像為載體，對計算機視覺涉及的操作和變換方法進行了詳細的介紹及實現。全書共分10章，分別為計算機視覺概述、編程語言Python及庫簡介、數字圖像預處理、圖像特徵與檢測、機器學習、BP神經網絡基礎、卷積神經網絡CNN、經典神經網絡結構分析、百度EasyDL入門以及計算機視覺在製造行業應用案例分析。 本書可作為高等院校智能製造工程、人工智能等相關專業的教材，亦可作為圖像處理、多媒體編程、計算機視覺領域人員的實用參考書。

目錄

第1章 計算機視覺概述
本章思維導圖
本章學習目標
1 1 計算機視覺、模式識別和機器視覺
1 2 計算機視覺與生物視覺
1 3 機器學習在計算機視覺中的作用
1 4 計算機視覺的應用領域
1 5 計算機視覺技術可能面臨的挑戰
本章小結
習題
第2章 編程語言Python及庫簡介
本章思維導圖
本章學習目標
2 1 搭建開發環境和使用
2 1 1 Anaconda的安裝
2 1 2 Spyder漢化與簡介
2 1 3 Spyder編程示例
2 2 編程語言Python
2 2 1 Python註釋
2 2 2 print輸出語句
2 2 3 標識符
2 2 4 變數的操作
2 2 5 行與縮進
2 2 6 常用五大標準數據類型
2 2 7 運算符
2 2 8 分支語句
2 2 9 循環語句
2 2 10 函數
2 2 11 模塊
2 2 12 包
2 2 13 類
2 3 科學計算庫NumPy
2 3 1 NumPy簡介
2 3 2 多維數組對象
2 3 3 索引方法
2 3 4 數組維度的變換
2 3 5 對象的屬性
2 3 6 數組的數學函數
2 3 7 NumPy中幾個典型函數
2 4 可視化庫Matplotlib簡介
2 4 1 最基礎的繪圖示例
2 4 2 標籤和圖例
2 4 3 子圖
2 5 機器學習Scikit-learn庫簡介
2 5 1 數據集
2 5 2 數據集劃分
2 5 3 數據預處理
2 5 4 通用學習模式
2 6 圖像處理OpenCV庫簡介
2 6 1 OpenCV核心模塊
2 6 2 OpenCV圖像基礎操作
2 7 深度學習框架PyTorch
2 7 1 創建Tensor
2 7 2 Tensor運算
2 7 3 PyTorch網絡搭建所需函數/類
本章小結
習題
第3章 數字圖像預處理
本章思維導圖
本章學習目標
3 1 圖像採樣與量化
3 1 1 坐標系約定
3 1 2 採樣
3 1 3 量化
3 2 色彩空間
3 2 1 RGB色彩空間
3 2 2 GRAY色彩空間
3 2 3 YCrCb色彩空間
3 2 4 HSV色彩空間
3 3 圖像幾何變換
3 3 1 縮放
3 3 2 翻轉
3 3 3 旋轉（直角旋轉）
3 3 4 仿射變換
3 4 直方圖修正
3 4 1 灰度圖像直方圖
3 4 2 圖像清晰化
3 4 3 全局閾值處理
3 4 4 自適應閾值處理
3 5 圖像去噪及卷積
3 5 1 圖像雜訊
3 5 2 均值濾波
3 5 3 中值濾波
3 5 4 高斯濾波
3 5 5 卷積與銳化
3 5 6 二值圖像的去噪
本章小結
習題
第4章 圖像特徵與檢測
本章思維導圖
本章學習目標
4 1 邊緣檢測
4 1 1 Roberts運算元
4 1 2 Prewitt運算元
4 1 3 Sobel運算元
4 1 4 Scharr運算元
4 1 5 Laplacian運算元
4 1 6 Canny運算元
4 1 7 圖像傅里葉變換
4 1 8 邊緣檢測的作用
4 2 圖像幾何參數的檢測
4 2 1 基於輪廓的對象識別
4 2 2 Hough變換
4 3 圖像紋理的檢測
4 4 基於哈希值的檢測
4 4 1 均值哈希
4 4 2 差異哈希
4 5 基於LBP運算元的特徵檢測
4 5 1 基本LBP運算元
4 5 2 圓形LBP運算元
4 5 3 旋轉不變LBP特徵
4 5 4 均勻LBP模式
4 5 5 LBPH（LBP特徵統計直方圖）
4 6 基於HOG運算元的特徵檢測
4 7 基於色彩的提取
4 8 基於差分的提取
4 8 1 幀間差分
4 8 2 背景差分
4 9 光流追蹤
4 9 1 稀疏光流
4 9 2 密集光流
本章小結
習題
第5章 機器學習
本章思維導圖
本章學習目標
5 1 K-Means實現
5 2 K最近鄰算法
5 2 1 歐氏距離(euclidean distance)
5 2 2 曼哈頓距離(manhattan distance)
5 2 3 閔可夫斯基距離(minkowski distance)
5 2 4 餘弦距離（cosine distance）
5 3 樸素貝葉斯算法
5 3 1 貝葉斯公式
5 3 2 樸素貝葉斯
5 4 決策樹算法
5 4 1 特徵選擇
5 4 2 決策樹的修剪
5 5 支持向量機SVM
5 6 主成分分析PCA算法
5 7 線性回歸算法
5 7 1 線性回歸導入
5 7 2 代價函數
5 7 3 梯度下降法
5 7 4 嶺回歸（ridge regression）
5 7 5 套索回歸（lasso regression）
5 7 6 彈性網絡（elastic net）
5 8 邏輯回歸算法
5 8 1 Sigmoid函數
5 8 2 代價函數
5 9 模型評估
5 9 1 混淆矩陣
5 9 2 分類問題常用評估指標
5 9 3 回歸問題常用評估指標
5 9 4 評估方法
本章小結
習題
第6章 BP神經網絡基礎
本章思維導圖
本章學習目標
6 1 感知機
6 2 感知機的激活函數
6 3 神經網絡的激活函數
6 3 1 Sigmoid函數
6 3 2 Tanh函數
6 3 3 ReLU函數
6 3 4 Leaky ReLU、PReLU、RReLU函數
6 3 5 ELU函數
6 3 6 SELU函數
6 4 輸出層的設計
6 4 1 恆等函數和Softmax函
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。