- 中国铁道出版社
- 9787113293598
- 1-1
- 465197
- 63249141-1
- 16开
- 2023-02
- 计算机类
内容简介
本书面向高等职业教育专科人工智能技术应用专业，融入《计算机视觉应用开发职业技能等级标准》编写而成。本书分为计算机视觉应用开发的数据处理、处理计算机视觉应用图像、计算机视觉应用开发3个项目，包括数据预处理，数据清洗与合并，聚合和分组、可视化数据，图像数据采集与加载，图像清洗与标注，图像增广，图像分割，图像匹配，视频采集与处理，基于机器学习的人脸识别，基于深度学习的手写体数字识别，基于深度学习的图像分类等12个任务。全书为基于工作过程开发完成的活页教材，依据“任务导向”“目标先行”“兴趣诱发”的学习动机、发展条件组织课程内容。本书适合作为高等职业教育专科人工智能技术应用专业的教材，也可作为计算机视觉应用开发“1＋X”职业技能等级证书认证的相关教学和培训教材，还可作为人工智能应用领域相关技术人员的自学参考书。
目录
项目 1 计算机视觉应用开发的数据处理 1-1
任务 1 数据预处理.1-2
1.1 任务介绍1-2
1.2 导 学1-3
1.3 任务实施 1-4
1.4 任务评价与总结1-8
1.5 知识积累 1-10
1.5.1 计算机视觉 1-10
1.5.2 Python 的 Pandas 包1-11
1.5.3 数据读取和写入1-12
1.5.4 Pandas 包的 Series 1-17
1.5.5 Pandas 中的 DataFrame.1-21
任务 2 数据清洗与合并.1-27
2.1 任务介绍1-27
2.2 导 学 1-28
2.3 任务实施1-29
2.4 任务评价与总结.1-31
2.5 知识积累1-32
2.5.1 数据缺失类型1-32
2.5.2 缺失值处理方法1-33
2.5.3 Pandas 对缺失值的处理.1-34
2.5.4 规范化数据类型 1-42
任务 3 聚合和分组、可视化数据1-46
3.1 任务介绍1-46
3.2 导 学1-47
3.3 任务实施1-48
3.4 任务评价与总结1-56
3.5 知识积累1-57
3.5.1 数据分组1-57
3.5.2 数据聚合 1-61
3.5.3 数据可视化1-65
项目 2 处理计算机视觉应用图像 2-1
任务 1 图像数据采集与加载2-2
1.1 任务介绍.2-2
1.2 导 学 2-2
1.3 任务实施2-3
1.4 任务评价与总结 2-6
1.5 知识积累2-7
1.5.1 图像采集方法 .2-7
1.5.2 计算机视觉开源图像数据集2-8
1.5.3 OpenCV 软件库简介 2-9
1.5.4 OpenCV 读取图像文件2-10
1.5.5 OpenCV 显示图像 2-11
1.5.6 OpenCV 保存图像文件 2-13
任务 2 图像清洗与标注.2-14
2.1 任务介绍.2-15
2.2 导 学.2-15
2.3 任务实施2-17
2.4 任务评价与总结2-18
2.5 知识积累 .2-20
2.5.1 数字图像.2-20
2.5.2 图像文件格式2-23
2.5.3 Python 的 OS 模块 2-26
2.5.4 OpenCV 实现色彩空间转换 2-28
2.5.5 OpenCV 实现图像缩放2-30
2.5.6 图像标注 2-32
任务 3 图像增广2-43
3.1 任务介绍2-44
3.2 导 学2-44
3.3 任务实施2-46
3.4 任务评价与总结2-52
3.5 知识积累2-53
3.5.1 图像叠加2-53
3.5.2 图像几何变换2-58
3.5.3 图像裁剪2-65
3.5.4 图像亮度、对比度调整.2-67
3.5.5 图像平滑处理2-69
任务 4 图像分割2-80
4.1 任务介绍2-81
4.2 导 学 2-81
4.3 任务实施 2-84
4.4 任务评价与总结2-89
4.5 知识积累 2-91
4.5.1 图像阈值处理2-91
4.5.2 图像的形态学处理 2-98
4.5.3 边缘检测 2-106
4.5.4 图像轮廓2-113
4.5.5 图像轮廓拟合 2-121
4.5.6 分水岭算法图像分割 2-129
任务 5 图像匹配2-134
5.1 任务介绍 2-134
5.2 导 学2-135
5.3 任务实施.2-135
5.4 任务评价与总结2-137
5.5 知识积累2-137
任务 6 视频采集与处理2-145
6.1 任务介绍2-145
6.2 导 学 2-146
6.3 任务实施2-147
6.4 任务评价与总结 2-148
6.5 知识积累2-149
6.5.1 视频读入2-149
6.5.2 播放视频文件 2-154
6.5.3 视频保存2-154
6.5.4 视频分帧2-156
项目 3 计算机视觉应用开发3-1
任务 1 基于机器学习的人脸识别3-1
1.1 任务介绍3-2
1.2 导 学3-2
1.3 任务实施3-4
1.4 任务评价与总结 3-8
1.5 知识积累3-9
1.5.1 机器学习的基本概念3-9
1.5.2 机器学习算法应用开发流程 .3-10
1.5.3 机器学习算法3-11
1.5.4 机器学习模型评估的方法 .3-19
任务 2 基于深度学习的手写体数字识别3-23
2.1 任务介绍.3-24
2.2 导 学 3-24
2.3 任务实施3-25
2.4 任务评价与总结3-29
2.5 知识积累3-30
2.5.1 深度学习的基本概念 3-30
2.5.2 卷积神经网络3-31
2.5.3 深度学习开发环境搭建 3-36
2.5.4 LeNet 模型分解3-45
任务 3 基于深度学习的图像分类3-50
3.1 任务介绍 3-50
3.2 导 学3-51
3.3 任务实施 3-52
3.4 任务评价与总结.3-57
3.5 知识积累3-58
3.5.1 VGG16 深度卷积神经网络简介 3-58
3.5.2 VGG16 模型结构3-58
3.5.3 VGG16 模型分解.3-61
参考文献A-1
任务 1 数据预处理.1-2
1.1 任务介绍1-2
1.2 导 学1-3
1.3 任务实施 1-4
1.4 任务评价与总结1-8
1.5 知识积累 1-10
1.5.1 计算机视觉 1-10
1.5.2 Python 的 Pandas 包1-11
1.5.3 数据读取和写入1-12
1.5.4 Pandas 包的 Series 1-17
1.5.5 Pandas 中的 DataFrame.1-21
任务 2 数据清洗与合并.1-27
2.1 任务介绍1-27
2.2 导 学 1-28
2.3 任务实施1-29
2.4 任务评价与总结.1-31
2.5 知识积累1-32
2.5.1 数据缺失类型1-32
2.5.2 缺失值处理方法1-33
2.5.3 Pandas 对缺失值的处理.1-34
2.5.4 规范化数据类型 1-42
任务 3 聚合和分组、可视化数据1-46
3.1 任务介绍1-46
3.2 导 学1-47
3.3 任务实施1-48
3.4 任务评价与总结1-56
3.5 知识积累1-57
3.5.1 数据分组1-57
3.5.2 数据聚合 1-61
3.5.3 数据可视化1-65
项目 2 处理计算机视觉应用图像 2-1
任务 1 图像数据采集与加载2-2
1.1 任务介绍.2-2
1.2 导 学 2-2
1.3 任务实施2-3
1.4 任务评价与总结 2-6
1.5 知识积累2-7
1.5.1 图像采集方法 .2-7
1.5.2 计算机视觉开源图像数据集2-8
1.5.3 OpenCV 软件库简介 2-9
1.5.4 OpenCV 读取图像文件2-10
1.5.5 OpenCV 显示图像 2-11
1.5.6 OpenCV 保存图像文件 2-13
任务 2 图像清洗与标注.2-14
2.1 任务介绍.2-15
2.2 导 学.2-15
2.3 任务实施2-17
2.4 任务评价与总结2-18
2.5 知识积累 .2-20
2.5.1 数字图像.2-20
2.5.2 图像文件格式2-23
2.5.3 Python 的 OS 模块 2-26
2.5.4 OpenCV 实现色彩空间转换 2-28
2.5.5 OpenCV 实现图像缩放2-30
2.5.6 图像标注 2-32
任务 3 图像增广2-43
3.1 任务介绍2-44
3.2 导 学2-44
3.3 任务实施2-46
3.4 任务评价与总结2-52
3.5 知识积累2-53
3.5.1 图像叠加2-53
3.5.2 图像几何变换2-58
3.5.3 图像裁剪2-65
3.5.4 图像亮度、对比度调整.2-67
3.5.5 图像平滑处理2-69
任务 4 图像分割2-80
4.1 任务介绍2-81
4.2 导 学 2-81
4.3 任务实施 2-84
4.4 任务评价与总结2-89
4.5 知识积累 2-91
4.5.1 图像阈值处理2-91
4.5.2 图像的形态学处理 2-98
4.5.3 边缘检测 2-106
4.5.4 图像轮廓2-113
4.5.5 图像轮廓拟合 2-121
4.5.6 分水岭算法图像分割 2-129
任务 5 图像匹配2-134
5.1 任务介绍 2-134
5.2 导 学2-135
5.3 任务实施.2-135
5.4 任务评价与总结2-137
5.5 知识积累2-137
任务 6 视频采集与处理2-145
6.1 任务介绍2-145
6.2 导 学 2-146
6.3 任务实施2-147
6.4 任务评价与总结 2-148
6.5 知识积累2-149
6.5.1 视频读入2-149
6.5.2 播放视频文件 2-154
6.5.3 视频保存2-154
6.5.4 视频分帧2-156
项目 3 计算机视觉应用开发3-1
任务 1 基于机器学习的人脸识别3-1
1.1 任务介绍3-2
1.2 导 学3-2
1.3 任务实施3-4
1.4 任务评价与总结 3-8
1.5 知识积累3-9
1.5.1 机器学习的基本概念3-9
1.5.2 机器学习算法应用开发流程 .3-10
1.5.3 机器学习算法3-11
1.5.4 机器学习模型评估的方法 .3-19
任务 2 基于深度学习的手写体数字识别3-23
2.1 任务介绍.3-24
2.2 导 学 3-24
2.3 任务实施3-25
2.4 任务评价与总结3-29
2.5 知识积累3-30
2.5.1 深度学习的基本概念 3-30
2.5.2 卷积神经网络3-31
2.5.3 深度学习开发环境搭建 3-36
2.5.4 LeNet 模型分解3-45
任务 3 基于深度学习的图像分类3-50
3.1 任务介绍 3-50
3.2 导 学3-51
3.3 任务实施 3-52
3.4 任务评价与总结.3-57
3.5 知识积累3-58
3.5.1 VGG16 深度卷积神经网络简介 3-58
3.5.2 VGG16 模型结构3-58
3.5.3 VGG16 模型分解.3-61
参考文献A-1
