BIG POMELO SDN BHD (975540-X)
|
|
|
本書主要介紹深度學習在電腦視覺方面的應用及工程實作，以Python 3為開發語言，並結合主流的深度學習框架進行實例展示。
涉及到的深度學習框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。
透過本書，讀者能夠瞭解深度學習在電腦視覺各個面向的應用以及最新進展。
本書主要內容：
■ 深度學習與電腦視覺
■ OpenCV入門
■ 深度學習框架介紹
■ 影像分類
■ 目標檢測與識別
■ 影像分割
■ 影像搜索
■ 影像生成
適合讀者群：需要具體實現語音辨識的程式設計師，或有一定機器學習或語音辨識基礎的從業者、學生、研究者閱讀參考。
本書特色
◎展現深度學習在電腦視覺領域的應用與工程實作，實用性和專業性並具
◎結合主流深度學習框架PyTorch、TensorFlow、Keras、Chainer、MXNet等進行實例說明
作者簡介
繆鵬
物理碩士，長期從事企業虛擬化和深度學習圖像演算法方面工作。
現為廣州棒谷科技有限公司AI－CV核心成員，負責團隊影像分類、搜索與影像合成核心演算法開發。
01 深度學習與電腦視覺
1.1 影像基礎
1.2 深度學習與神經網路基礎
1.3 旋積神經網路CNN
1.4 基礎開發環境架設
1.5 本章歸納
02 OpenCV 入門
2.1 讀圖、展示和儲存新圖
2.2 像素點及局部影像
2.3 基本線條操作
2.4 平移
2.5 旋轉
2.6 縮放
2.7 翻轉
2.8 修改
2.9 算術操作
2.10 位操作
2.11 Masking 操作
2.12 色彩通道分離與融合
2.13 顏色空間轉換
2.14 顏色長條圖
2.15 平滑與模糊
2.16 邊緣檢測
2.17 人臉和眼睛檢測範例
2.18 本章歸納
03 常見深度學習架構
3.1 PyTorch
3.2 Chainer
3.3 TensorFlow 與Keras
3.4 MXNet 與Gluon
3.5 其他架構
3.6 本章歸納
04 影像分類
4.1 VGG3.10 命令列參數
4.2 ResNet
4.3 Inception
4.4 xception
4.5 DenseNet
4.6 本章歸納
05 目標檢測與識別
5.1 Faster RCNN
5.2 SSD
5.3 YOLO
5.4 本章歸納
06 影像分割
6.1 物體分割
6.2 語義分割
6.3 實例分割
6.4 本章歸納
07 影像搜索
7.1 Siamese Network
7.2 Triplet Network
7.3 Margin Based Network
7.4 Keras 版Triplet Network 範例
7.5 本章小結
08 影像產生
8.1 VAE
8.2 產生對抗網路GAN
8.3 Neural Style Transfer
8.4 本章歸納
A 後記
