第1章  绪   论 1
1.1 人工智能1
1.1.1 人工智能的定义1
1.1.2 人工智能的发展历程 3
1.1.3 人工智能的应用与未来4
1.2 计算机视觉.5
1.2.1 计算机视觉的定义5
1.2.2 与交叉学科的关系 6
1.2.3 计算机视觉的发展历程7
1.2.4 计算机视觉的主要任务及其应用9
小 结 11
习 题 11
第2章 Python语法基础12
2.1 Python介绍 .13
2.1.1 Python简介 13
2.1.2 Python环境搭建14
2.2 基础语法与对象类型 .20
2.2.1 基础语法 20
2.2.2 基本对象类型 21
2.3 运算符29
2.3.1 算术运算符29
2.3.2 比较运算符29
2.3.3 赋值运算符30
2.3.4 逻辑运算符31
2.4 控制语句.31
2.4.1 if条件语句31
2.4.2 for循环语句32
2.4.3 while循环语句33
2.5 函 数 34
2.5.1 函数的定义34
2.5.2 参数的传递35
2.5.3 参数的调用方式 36
2.5.4 匿名函数 37
2.6 类和对象 37
2.7 模 块40
小 结 41
习 题 41
第3章  数据分析42
3.1 数据分析介绍43
3.1.1 数据收集43
3.1.2 数据预处理 43
3.1.3 数据分析44
3.1.4 数据展示/数据可视化44
3.1.5 数据应用 44
3.2 NumPy44
3.2.1 NumPy的介绍与安装44
3.2.2 ndarray 45
3.2.3 常用函数46
3.3 Pandas 50
3.3.1 Pandas的介绍与安装50
3.3.2 DataFrame 50
3.3.3 Series52
3.3.4 Pandas常见统计函数 53
3.4 matplotlib 54
3.4.1 matplotlib介绍与安装54
3.4.2 matplotlib常用功能54
3.5 项目实战：有关心脏病的数据分析57
3.5.1 项目介绍 57
3.5.2 数据统计与分析57
3.5.3 数据可视化 58
3.5.4 结 论 63
小 结 63
习 题 .63
第4章  数字图像处理 64
4.1 图像及视觉基础65
4.1.1 数字图像概述 65
4.1.2 色彩空间67
4.1.3 图像的文件格式68
4.2 基础图像处理方法69
4.2.1 基本运算69
4.2.2 图像变换72
4.2.3 图像增强 81
4.2.4 形态学操作87
4.3 边缘检测 90
4.3.1 Sobel算子91
4.3.2 Laplacian算子 91
4.3.3 Canny算子 92
4.4 项目实战：疲劳驾驶检测 94
4.4.1 项目介绍94
4.4.2 实现流程94
4.4.3 结果展示 96
小 结96
习 题 97
第5章  机器学习 98
5.1 机器学习介绍99
5.1.1 机器学习常用术语99
5.1.2 机器学习发展历史 99
5.2 模型的评估 100
5.2.1 数据集划分100
5.2.2 性能度量100
5.3 线性模型102
5.3.1 线性回归102
5.3.2 逻辑回归102
5.4 决策树算法103
5.4.1 基本流程103
5.4.2 划分原则 104
5.4.3 剪 枝 105
5.5 贝叶斯分类算法106
5.5.1 贝叶斯定理106
5.5.2 贝叶斯算法107
5.6 聚 类 108
5.6.1 聚类介绍 108
5.6.2 聚类的分类108
5.6.3 K-means聚类 109
5.7 项目实战：出行决策109
5.7.1 项目介绍109
5.7.2 实现流程 110
5.7.3 结果展示 114
5.8 项目实战：鸢尾花聚类 114
5.8.1 项目介绍114
5.8.2 实现流程 115
5.8.3 结果展示116
小 结 116
习 题 117
第6章  深度学习 118
6.1 神经网络119
6.1.1 神经元 119
6.1.2 感知机 119
6.2 BP神经网络120
6.2.1 学习过程 121
6.2.2 激活函数123
6.2.3 损失函数 126
6.2.4 BP算法实例分析127
6.3 模型训练128
6.3.1 模型训练过程 128
6.3.2 过拟合和欠拟合128
6.3.3 优化策略 129
6.4 项目实战：BP神经网络手写 数字识别 132
6.4.1 项目介绍 132
6.4.2 实现流程133
6.4.3 结果展示 136
小 结136
习 题 137
第7章  图像分类 138
7.1 图像分类介绍139
7.1.1 ILSVRC139
7.1.2 常用数据集 139
7.1.3 评价指标 140
7.2 全连接网络缺陷140
7.3 卷积神经网络原理 141
7.4 卷积神经网络组件 142
7.4.1 卷积层142
7.4.2 激活函数 144
7.4.3 池化层 144
7.5 经典卷积神经网络结构145
7.5.1 经典网络模型145
7.5.2 网络模型对比153
7.6 项目实战：CIFAR10图像分类154
7.6.1 项目介绍154
7.6.2 实现流程 154
7.6.3 结果展示157
7.7 项目实战：猫狗大战 159
7.7.1 项目介绍 159
7.7.2 实现流程.159
7.7.3 结果展示162
小 结 164
习 题164
第8章  目标检测 165
8.1 目标检测介绍166
8.1.1 基本原理 166
8.1.2 基本概念167
8.1.3 评价指标168
8.1.4 常用数据集171
8.2 目标检测方法 173
8.2.1 传统检测方法173
8.2.2 深度学习检测方法174
8.3 目标检测二阶段算法 174
8.3.1 R-CNN174
8.3.2 SPP-Net175
8.3.3 Fast R-CNN176
8.3.4 Faster R-CNN 177
8.3.5 R-FCN178
8.4 目标检测一阶段算法179
8.4.1 YOLO系列 179
8.4.2 SSD系列181
8.4.3 RetinaNet182
8.5 项目实战：车辆行人检测182
8.5.1 项目介绍182
8.5.2 实现流程 183
8.5.3 结果展示187
小 结188
习 题188
第9章  语义分割189
9.1 语义分割介绍190
9.1.1 基本原理190
9.1.2 常用数据集 190
9.1.3 评价指标192
9.2 经典语义分割网络193
9.2.1 FCN 193
9.2.2 U-Net195
9.2.3 SegNet 195
9.2.4 PSPNet196
9.2.5 DeepLab 196
9.3 项目实战：医学影像分割197
9.3.1 项目介绍 197
9.3.2 实现流程 198
9.3.3 结果展示 199
9.4 项目实战：物体语义分割200
9.4.1 项目介绍.200
9.4.2 实现流程.200
9.4.3 结果展示204
小 结205
习 题 205
第10章 图像生成206
10.1 图像生成介绍207
10.1.1 基本原理 207
10.1.2 评价指标207
10.2 判别模型与生成模型 208
10.2.1 决策函数和条件概率分布208
10.2.2 判别方法和生成方法208
10.3 自编码器 209
10.3.1 自编码器原理 209
10.3.2 常用自编码器模型 210
10.3.3 变分自编码器 211
10.4 生成对抗网络 213
10.4.1 生成对抗网络思想 213
10.4.2 生成对抗网络原理214
10.4.3 经典生成对抗网络215
10.5 项目实战：FashionMNIST图像生成217
10.5.1 项目介绍217
10.5.2 实现流程217
10.5.3 结果展示 220
10.6 项目实战：动漫人脸生成220
10.6.1 项目介绍 220
10.6.2 实现流程 220
10.6.3 结果展示 226
小 结 226
习 题.226
参考文献 227

​