基於Python的深度學習圖像處理 易詩 鐘曉玲 9787111757450 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$286
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202407*若逾兩年請先於私訊洽詢存貨情況，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：基於Python的深度學習圖像處理 ISBN：9787111757450 出版社：機械工業 著編譯者：易詩 鐘曉玲 頁數：193 所在地：中國大陸 *此為代購商品 書號：1661324 可大量預訂，請先連絡。 內容簡介 本書是一本具有實踐導向性的教材，主要面向信息工程專業的學生和從事圖像處理的讀者。本書以圖像處理技術為主線，介紹了深度學習在圖像處理中的理論和應用。 本書的核心內容涵蓋了深度學習的各個層面，包括設計卷積神經網路的基礎知識、低階和高階圖像處理任務的實現等。這些內容不僅包含理論介紹，還包括大量的實例代碼，使用Python語言及當前流行的深度學習環境，幫助讀者理解和實踐深度學習在圖像處理中的應用。在低階圖像處理任務部分，本書詳細介紹了圖像去噪、去模糊、增強和超解析度重建等任務。在高階圖像處理任務部分，讀者將學習到如何使用深度學習方法進行圖像分類、目標檢測、語義分割和實例分割等。 本書旨在通過理論介紹與實踐案例相結合的方式，幫助讀者更好地理解並掌握深度學習在圖像處理領域的應用，是一本理論與實踐並重、實用性強的教材。目錄 前言第1章 數字圖像處理概述 1 1 數字圖像處理的基本概念 1 2 數字圖像處理系統的組成 1 3 數字圖像處理的應用 1 4 數字圖像處理任務的層次劃分 本章總結 習題 第2章 Python語言編程基礎 2 1 Python語言簡介 2 2 Python語言的基本語法 2 2 1 Python語言的基本編程語法 2 2 2 Python語言的基本流程式控制制 2 2 3 Python語言的內置庫和函數 2 2 4 Python語言的面向對象 2 2 5 Python語言的異常處理 2 2 6 Python語言的IO處理 2 3 Python-OpenCV的應用 2 3 1 Python-OpenCV簡介 2 3 2 Python-OpenCV的基本圖像處理操作 本章總結 習題 第3章 深度學習圖像處理技術基礎 3 1 深度學習的基本概念 3 2 卷積神經網路的基本構成及Python實現 3 2 1 卷積神經網路的基本構成 3 2 2 幾種典型的卷積神經網路 3 2 3 卷積神經網路的訓練與測試 3 3 深度學習圖像處理平台搭建 3 4 實例：基於深度學習的手寫數字識別 本章總結 習題 第4章 基於深度學習的圖像去噪 4 1 圖像去噪概述 4 2 基於深度學習的圖像去噪網路的發展 4 3 實例：基於深度學習的圖像去噪網路FFDNet 4 3 1 FFDNet簡介 4 3 2 FFDNet的結構與工作原理 4 3 3 FFDNet的訓練與測試 4 3 4 FFDNet圖像去噪測試結果分析 本章總結 習題 第5章 基於深度學習的圖像去模糊 5 1 圖像去模糊概述 5 2 基於深度學習的圖像去模糊的發展 5 3 實例：基於深度學習的圖像去模糊網路DeblurGAN-v 5 3 1 DeblurGAN-v2簡介 5 3 2 DeblurGAN-v2的結構與工作原理 5 3 3 DeblurGAN-v2的訓練與測試 5 3 4 DeblurGAN-v2圖像去模糊測試結果分析 本章總結 習題 第6章 基於深度學習的圖像增強 6 1 圖像增強概述 6 1 1 頻率域法 6 1 2 空間域法 6 1 3 基於深度學習的圖像增強法 6 2 基於深度學習的圖像增強的發展 6 3 實例：基於深度學習的圖像增強網路RetinexNet 6 3 1 RetinexNet簡介 6 3 2 RetinexNet的結構與工作原理 6 3 3 FFDNet的訓練與測試 6 3 4 RetinexNet圖像增強測試結果分析 本章總結 習題 第7章 基於深度學習的圖像超解析度重建 7 1 圖像超解析度重建概述 7 2 基於深度學習的圖像超解析度重建網路的發展 7 3 實例：基於深度學習的圖像超解析度重建網路ESRGAN 7 3 1 ESRGAN簡介 7 3 2 ESRGAN的結構與工作原理 7 3 3 ESRGAN的訓練與測試 7 3 4 ESRGAN圖像超解析度重建結果分析 本章總結 習題 第8章 基於深度學習的圖像識別 8 1 圖像識別概述 8 2 基於深度學習的圖像識別的發展 8 3 實例：基於深度學習的圖像識別網路CNN 8 3 1 CNN簡介 8 3 2 CNN的結構與工作原理 8 3 3 CNN的訓練與測試 8 3 4 CNN圖像識別測試結果分析 本章總結 習題 第9章 基於深度學習的目標檢測 9 1 目標檢測概述 9 2 基於深度學習的目標檢測網路的發展 9 2 1 兩階段檢測的發展 9 2 2 單階段檢測的發展 9 2 3 深度學習目標檢測數據集的發展 9 3 實例：基於深度學習的目標檢測網路YOLOv 9 3 1 YOLOv4簡介 9 3 2 YOLOv4的結構與工作原理 9 3 3 YOLOv4的訓練與測試 9 3 4 YOLOv4目標檢測測試結果分析 本章總結 習題 第10章 基於深度學習的圖像分割 10 1 圖像分割概述 10 1 1 語義分割概述 10 1 2 實例分割概述 10 2 基於深度學習的圖像分割網路的發展 10 2 1 語義分割網路的發展 10 2 2 圖像語義分割數據集 10 2 3 實例分割網路的發展 10 2 4 圖像實例分割數據集 10 2 5 圖像語義分割性能評估指標 10 3 實例：基於深度學習的圖像分割網路DeepLabV3+、Mask R-CNN 10 3 1 DeepLabV3+簡介 10 3 2 DeepLabV3+的結構與工作原理 10 3 3 DeepLabV3+網路的訓練與測試 10 3 4 DeepLabV3+語義分割測試結果分析 10 3 5 Mask R-CNN簡介 10 3 6 Mask R-CNN的結構與工作原理 10 3 7 Mask R-CNN的訓練與測試 10 3 8 Mask R-CNN實例分割測試結果分析 本章總結 習題 參考文獻 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
