Python计算机视觉编程与应用 / 普通高等教育新工科智能制造工程系列教材
￥59.80定价
作者： 刘国华
出版时间：2025-06-13
出版社：机械工业出版社
- 机械工业出版社
- 9787111780052
- 1-1
- 548265
- 平装
- 2025-06-13
- 443
- 本科
内容简介
Python作为实现计算机视觉编程的第一大语言，简单方便，是一种效率极高的语言。本书共分10章，首先，介绍了Python的编程基础及其在计算机视觉中，关于传统图像处理方面的编程应用；其次，介绍了深度卷积神经网络的理论基础及PyTorch深度学习框架；最后，介绍了Python在图像分类、目标检测和语义分割中的典型应用，以及轻量化网络与迁移学习的相关知识。在每一章的结尾都附有必要的习题，供教学或自学练习使用，以便读者加深对本书所述内容的理解。
本书深度适中，内容力求精炼，可作为高等学校电子信息工程、通信与信息工程、计算机科学与技术等专业本科生与研究生的教学参考书，也可供从事计算机视觉、人工智能等相关领域的科研人员和工程技术人员参考。
本书深度适中，内容力求精炼，可作为高等学校电子信息工程、通信与信息工程、计算机科学与技术等专业本科生与研究生的教学参考书，也可供从事计算机视觉、人工智能等相关领域的科研人员和工程技术人员参考。
目录
前言
第1章Python编程基础1
11基本语法2
12序列与数据结构13
13函数与模块18
14面向对象编程29
本章小结38
习题38
第2章Python文件操作与异常处理39
21文件操作40
22异常处理59
本章小结67
习题67
第3章Python基本图像操作68
31使用Pillow进行图像基础操作69
32使用Matplotlib进行图像分析76
33利用NumPy进行图像数据处理81
34借助SciPy进行高级图像处理83
35使用scikitimage处理图像88
本章小结91
习题91
第4章Python传统图像处理方法92
41图像增强93
42图像分类106
43目标检测111
44图像分割120
本章小结127
习题127
第5章深度卷积神经网络基础128
51监督学习和无监督学习129
52欠拟合和过拟合131
53反向传播133
54损失和优化134
55激活函数138
56卷积神经网络基础140
本章小结145
习题146
Python计算机视觉编程与应用目录
第6章PyTorch深度学习框架147
61PyTorch框架简介148
62PyTorch环境配置与安装150
63PyTorch中的Tensor153
64PyTorch常用模块及库159
65神经网络模型搭建与参数优化165
本章小结168
习题168
第7章计算机视觉应用——图像分类169
71图像分类简介170
72ResNet基本原理171
73训练过程179
74模型结果评估187
本章小结189
习题190
第8章计算机视觉应用——目标检测191
81目标检测简介192
82两阶段式目标检测算法193
83单阶段式目标检测网络197
84目标检测算法性能评估指标206
本章小结209
习题209
第9章计算机视觉应用——语义分割210
91图像语义分割介绍211
92DeepLab系列语义分割网络发展概述213
93DeepLabV3+网络基本原理216
94模型训练与评估228
本章小结235
习题235
第10章轻量化网络与迁移学习236
101模型压缩237
102轻量化网络结构247
103轻量化网络性能评估252
104迁移学习的分类与方法257
105微调迁移应用实例263
本章小结272
习题272
参考文献273
第1章Python编程基础1
11基本语法2
12序列与数据结构13
13函数与模块18
14面向对象编程29
本章小结38
习题38
第2章Python文件操作与异常处理39
21文件操作40
22异常处理59
本章小结67
习题67
第3章Python基本图像操作68
31使用Pillow进行图像基础操作69
32使用Matplotlib进行图像分析76
33利用NumPy进行图像数据处理81
34借助SciPy进行高级图像处理83
35使用scikitimage处理图像88
本章小结91
习题91
第4章Python传统图像处理方法92
41图像增强93
42图像分类106
43目标检测111
44图像分割120
本章小结127
习题127
第5章深度卷积神经网络基础128
51监督学习和无监督学习129
52欠拟合和过拟合131
53反向传播133
54损失和优化134
55激活函数138
56卷积神经网络基础140
本章小结145
习题146
Python计算机视觉编程与应用目录
第6章PyTorch深度学习框架147
61PyTorch框架简介148
62PyTorch环境配置与安装150
63PyTorch中的Tensor153
64PyTorch常用模块及库159
65神经网络模型搭建与参数优化165
本章小结168
习题168
第7章计算机视觉应用——图像分类169
71图像分类简介170
72ResNet基本原理171
73训练过程179
74模型结果评估187
本章小结189
习题190
第8章计算机视觉应用——目标检测191
81目标检测简介192
82两阶段式目标检测算法193
83单阶段式目标检测网络197
84目标检测算法性能评估指标206
本章小结209
习题209
第9章计算机视觉应用——语义分割210
91图像语义分割介绍211
92DeepLab系列语义分割网络发展概述213
93DeepLabV3+网络基本原理216
94模型训练与评估228
本章小结235
习题235
第10章轻量化网络与迁移学习236
101模型压缩237
102轻量化网络结构247
103轻量化网络性能评估252
104迁移学习的分类与方法257
105微调迁移应用实例263
本章小结272
习题272
参考文献273
