深入理解计算机视觉:关键算法解析与深度神经网络设计

;

副标题：无;

作者: 张晨然;

内容简介：

​

内容简介

本书对二维、三维目标检测技术涉及的骨干网络及入门必备的计算机视觉算法进行全面的介绍。本书由浅入深地介绍了MNIST、ImageNet、CIFAR、波士顿房产、ModelNet等经典二维、三维数据集和相关国际赛事，还介绍了TensorFlow中的二维卷积层、全连接层、激活层、池化层、批次归一化层、随机失活层的算法和梯度下降原理，AlexNet、VGG、ResNet、DarkNet、CSP-DarkNet等经典骨干网络的设计原理，以及PointNet、GCN等三维计算机视觉神经网络。此外，本书通过设计巧妙且具体的案例，让读者稳步建立扎实的编程能力，包括数据集的制作和解析、神经网络模型设计和开销估算、损失函数的设计、神经网络的动态模式和静态模式的训练方法和过程控制、神经网络的边缘计算模型量化、神经网络的云计算部署。完成本书的学习，读者可以继续阅读与本书紧密衔接的《深入理解计算机视觉：在边缘端构建高效的目标检测应用》，将所学的计算机视觉基础知识运用到目标检测的神经网络设计中，对边缘计算环境下的神经网络进行游刃有余的调整。

本书适合具备一定计算机、通信、电子等理工科专业基础的本科学生、研究生及软件工程师阅读，读者需具备高等数学、线性代数、概率论、Python编程、图像处理等基础知识。

目录预览：

​ 深入理解计算机视觉：关键算法解析与深度神经网络设计
版权信息
内容简介
推荐序一
推荐序二
前言
第1篇 计算机视觉开发环境的搭建
第1章 Python编程环境
1.1 Python语言简介
1.2 Python脚本的运行方式
1.3 Anaconda虚拟环境管理器
1.4 使用Anaconda建立虚拟环境
第2章 搭建三层的图像分类神经网络
2.1 下载数据集
2.2 探索数据集
2.3 构建、编译和训练神经网络
2.4 使用神经网络进行批量预测
2.5 将预测结果可视化
第2篇 计算机视觉模型从实验室到生产环境的部署
第3章 图片数据集的处理
3.1 数据集的预处理
3.1.1 下载和查看数据集
3.1.2 准备花卉类别名称和类别序号的对应关系
3.1.3 准备花卉图片和类别名称的对应关系
3.2 数据集的制作
3.2.1 拟写入数据集的数据
3.2.2 TFRecord格式的数据集
3.2.3 单个样本的生成函数
3.2.4 批量生成样本并写入TFRecord文件
3.3 数据集的读取和验证
3.3.1 解析单个样本
3.3.2 制作函数批量解析样本
3.4 数据管道的优化处理