顶部
收藏

计算机视觉理论与实践


作者:
刘家瑛 杨帅 杨文瀚 段凌宇
定价:
54.00 元
版面字数:
490千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2025年
ISBN:
978-7-04-057446-3
物料号:
57446-00
出版时间:
2022-10-19
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
人工智能

本书面向计算机视觉,聚焦算法理论与代码实践,简要介绍了计算机视觉的基本概念和计算机视觉研究的预备知识,分别讲述了图像分类、检测、生成、复原、增强、风格化与视频处理等计算机视觉领域的研究重点,深入浅出地介绍了现今已经成熟的算法和技术,并在各个章节辅以大量实例与核心代码详细展示如何使用主流框架搭建计算机视觉模型,对相关算法内容进行有效的补充和深入。通过理论与实践的结合,读者能够打下较为坚实的计算机视觉基础,熟悉经典算法框架,具备实现和改进成熟算法的能力,为进一步在计算机视觉和相关领域提出新设想、开发新算法、解决新问题创造良好的条件。

本书可作为人工智能专业和计算机类相关专业的本科生或研究生学习计算机视觉的教材,也可作为对计算机视觉技术感兴趣的科技人员、计算机爱好者及各类自学人员的参考书。

  • 目录
    • 前辅文
      • 第1章 引言
        • 1.1 计算机视觉的基本概念
          • 1.2 生活中的计算机视觉
            • 1.2.1 对象识别
              • 1.2.2 图像美化
                • 1.2.3 图像生成
                • 1.3 图像匹配:从SIFT 到深度学习
                  • 1.3.1 基于特征的方法
                    • 1.3.2 基于深度学习的方法
                    • 1.4 图像风格化概述:从传统到学习
                      • 1.5章节内容介绍
                      • 第2章 图像处理基础
                        • 2.1 图像的获取与表示
                          • 2.1.1 数字图像成像原理
                            • 2.1.2 图像表示
                            • 2.2 图像重采样与插值
                              • 2.3 空域变换
                                • 2.3.1 灰度变换
                                  • 2.3.2 空域滤波
                                  • 2.4 频域变换
                                    • 2.4.1 从空域到频域
                                      • 2.4.2 傅里叶级数与傅里叶变换
                                        • 2.4.3 频域滤波器应用
                                        • 2.5 从图像到视觉
                                          • 2.5.1 图像梯度
                                            • 2.5.2 图像边缘
                                              • 2.5.3 霍夫变换
                                              • 实践01:图像去噪:非局部均值
                                                • 实践02:边缘检测
                                                  • 实践03:霍夫变换检测圆
                                                    • 实践04:二值化分割:OTSU 算法
                                                    • 第3章 神经网络与深度学习基础
                                                      • 3.1 神经网络的生物学基础
                                                        • 3.2 人工神经元
                                                          • 3.2.1 神经元的数学抽象
                                                            • 3.2.2 感知机模型
                                                              • 3.2.3 激活函数
                                                                • 3.2.4 多层感知机
                                                                • 3.3 训练人工神经网络
                                                                  • 3.3.1 反向传播
                                                                    • 3.3.2 损失函数
                                                                      • 3.3.3 正则化约束
                                                                      • 3.4 卷积神经网络
                                                                        • 3.5 循环神经网络
                                                                          • 实践05:实现一个简单的实用神经网络
                                                                            • 实践06:自定义网络层
                                                                              • 实践07:循环神经网络的构建与训练
                                                                                • 实践08:深度学习软硬件框架
                                                                                • 第4章 图像分类
                                                                                  • 4.1 图像分类基本原理
                                                                                    • 4.2 传统图像分类方法
                                                                                      • 4.2.1 特征提取
                                                                                        • 4.2.2 分类器
                                                                                        • 4.3 神经网络图像分类方法
                                                                                          • 4.3.1 基本原理
                                                                                            • 4.3.2 网络设计与结构演进
                                                                                            • 4.4 图像分类中的新挑战
                                                                                              • 4.4.1 细粒度图像分类
                                                                                                • 4.4.2 无监督学习图像分类
                                                                                                  • 4.4.3 零样本学习图像分类
                                                                                                    • 4.4.4 领域自适应学习图像分类
                                                                                                    • 实践09:MNIST 手写数字分类
                                                                                                      • 实践10:CIFAR-100 分类
                                                                                                        • 实践11:注意力机制实现
                                                                                                          • 实践12:自监督与领域自适应图像分类
                                                                                                          • 第5章 目标检测
                                                                                                            • 5.1 目标检测基本原理
                                                                                                              • 5.1.1 问题描述
                                                                                                                • 5.1.2 应用场景
                                                                                                                • 5.2 传统目标检测方法
                                                                                                                  • 5.2.1 滑动窗口
                                                                                                                    • 5.2.2 特征提取
                                                                                                                      • 5.2.3 分类器
                                                                                                                      • 5.3 神经网络目标检测方法
                                                                                                                        • 5.3.1 基本原理
                                                                                                                          • 5.3.2 两阶段目标检测方法网络设计与结构演进
                                                                                                                            • 5.3.3 单阶段实时目标检测方法网络设计与结构演进
                                                                                                                            • 5.4 目标检测中的新挑战
                                                                                                                              • 5.4.1 零/ 小样本学习目标检测
                                                                                                                                • 5.4.2 迁移学习目标检测
                                                                                                                                  • 5.4.3 恶劣环境目标检测
                                                                                                                                  • 实践13:传统目标检测器实现
                                                                                                                                    • 实践14:神经网络目标检测器实现
                                                                                                                                      • 实践15:两阶段神经网络目标检测器实现
                                                                                                                                        • 实践16:恶劣环境目标检测器实现
                                                                                                                                        • 第6章 图像生成
                                                                                                                                          • 6.1 深度生成模型
                                                                                                                                            • 6.1.1 方法概览
                                                                                                                                              • 6.1.2 变分自编码器
                                                                                                                                                • 6.1.3 生成对抗网络
                                                                                                                                                • 6.2 生成质量评估
                                                                                                                                                  • 6.2.1 inception score
                                                                                                                                                    • 6.2.2 FID
                                                                                                                                                    • 6.3 应用:图像转换方法
                                                                                                                                                      • 6.3.1 监督的图像转换
                                                                                                                                                        • 6.3.2 无监督的图像转换
                                                                                                                                                        • 实践17:变分自编码器
                                                                                                                                                          • 实践18:深度卷积生成对抗网络
                                                                                                                                                            • 实践19:监督图像转换网络
                                                                                                                                                              • 实践20:无监督图像转换网络
                                                                                                                                                              • 第7章 图像复原增强
                                                                                                                                                                • 7.1 图像复原增强的概念
                                                                                                                                                                  • 7.1.1 成像原理与问题描述
                                                                                                                                                                    • 7.1.2 应用场景
                                                                                                                                                                    • 7.2 图像质量评价
                                                                                                                                                                      • 7.2.1 图像质量主观评价
                                                                                                                                                                        • 7.2.2 图像质量客观评价
                                                                                                                                                                        • 7.3 传统图像增强
                                                                                                                                                                          • 7.3.1 多项式函数估计图像插值
                                                                                                                                                                            • 7.3.2 隐式的基于边缘的图像插值
                                                                                                                                                                              • 7.3.3 显式的基于等照度线的图像插值
                                                                                                                                                                                • 7.3.4 传统图像低光照增强
                                                                                                                                                                                  • 7.3.5 传统图像去雨
                                                                                                                                                                                  • 7.4 深度学习图像增强
                                                                                                                                                                                    • 7.4.1 图像超分辨率问题定义
                                                                                                                                                                                      • 7.4.2 超分辨率卷积神经网络重建
                                                                                                                                                                                        • 7.4.3 极深超分辨率重建
                                                                                                                                                                                          • 7.4.4 快速超分辨率重建
                                                                                                                                                                                            • 7.4.5 超分辨率生成对抗网络
                                                                                                                                                                                              • 7.4.6 基于深度学习的低光照图像增强
                                                                                                                                                                                                • 7.4.7 基于Retinex 模型的低光照图像增强
                                                                                                                                                                                                  • 7.4.8 基于深度学习的去雨
                                                                                                                                                                                                    • 7.4.9 基于区域感知的单张图像联合雨检测与去除
                                                                                                                                                                                                    • 7.5 无监督/ 自学习图像增强
                                                                                                                                                                                                      • 7.5.1 自监督超分辨率重建
                                                                                                                                                                                                        • 7.5.2 无监督图像去噪
                                                                                                                                                                                                        • 实践21:SRCNN 的实现
                                                                                                                                                                                                          • 实践22:图像雨雾去除
                                                                                                                                                                                                            • 实践23:RetinexNet 低光照图像增强
                                                                                                                                                                                                            • 第8章 图像风格化
                                                                                                                                                                                                              • 8.1 图像风格化的概念
                                                                                                                                                                                                                • 8.1.1 问题描述
                                                                                                                                                                                                                  • 8.1.2 应用场景
                                                                                                                                                                                                                  • 8.2 传统图像风格化方法
                                                                                                                                                                                                                    • 8.2.1 基于笔画的图像风格化
                                                                                                                                                                                                                      • 8.2.2 基于样例的图像风格化
                                                                                                                                                                                                                      • 8.3 深度学习图像风格化方法
                                                                                                                                                                                                                        • 8.3.1 神经图像风格化
                                                                                                                                                                                                                          • 8.3.2 快速神经图像风格化
                                                                                                                                                                                                                            • 8.3.3 通用图像风格化
                                                                                                                                                                                                                              • 8.3.4 基于特征块的图像风格化
                                                                                                                                                                                                                                • 8.3.5 基于生成对抗网络的图像风格化
                                                                                                                                                                                                                                • 8.4 应用:文字艺术风格化方法
                                                                                                                                                                                                                                  • 8.4.1 基于统计的字效迁移
                                                                                                                                                                                                                                    • 8.4.2 基于特征解耦的字效迁移
                                                                                                                                                                                                                                    • 实践24:神经图像风格化实现
                                                                                                                                                                                                                                      • 实践25:快速神经图像风格化实现
                                                                                                                                                                                                                                        • 实践26:基于特征解耦的字效迁移实现
                                                                                                                                                                                                                                        • 第9章 视频——运动的图像
                                                                                                                                                                                                                                          • 9.1 视频的获取与表示
                                                                                                                                                                                                                                            • 9.1.1 视频的获取
                                                                                                                                                                                                                                              • 9.1.2 视频的表示
                                                                                                                                                                                                                                              • 9.2 运动场与光流
                                                                                                                                                                                                                                                • 9.2.1 运动场
                                                                                                                                                                                                                                                  • 9.2.2 光流
                                                                                                                                                                                                                                                  • 9.3 目标跟踪的概念
                                                                                                                                                                                                                                                    • 9.4 传统目标跟踪方法
                                                                                                                                                                                                                                                      • 9.4.1 基于生成式模型的目标跟踪方法
                                                                                                                                                                                                                                                        • 9.4.2 基于判别式模型的目标跟踪方法
                                                                                                                                                                                                                                                        • 9.5 深度学习目标跟踪方法
                                                                                                                                                                                                                                                          • 9.5.1 基于特征预训练的目标跟踪算法
                                                                                                                                                                                                                                                            • 9.5.2 基于特征端到端训练的目标跟踪算法
                                                                                                                                                                                                                                                            • 9.6 视频人体动作识别的概念
                                                                                                                                                                                                                                                              • 9.7 传统视频人体动作识别方法
                                                                                                                                                                                                                                                                • 9.7.1 基于静态特征描述子的算法
                                                                                                                                                                                                                                                                  • 9.7.2 基于动态轨迹的算法
                                                                                                                                                                                                                                                                  • 9.8 基于神经网络的视频人体动作识别方法
                                                                                                                                                                                                                                                                    • 9.8.1 基于卷积神经网络的算法
                                                                                                                                                                                                                                                                      • 9.8.2 基于循环神经网络的算法
                                                                                                                                                                                                                                                                      • 实践27:目标跟踪实现
                                                                                                                                                                                                                                                                        • 实践28:动作识别实现
                                                                                                                                                                                                                                                                        • 参考文献

                                                                                                                                                                                                                                                                        相关图书