- 中国铁道出版社
- 9787113299354
- 1-1
- 465202
- 60269769-0
- 16开
- 2023-04
- 工学
- 计算机类
- 电子与信息大类
- 计算机类
- 计算机类
- 本科
作者简介
内容简介
全书共10章，包含绪论、Python语法基础、数据分析、数字图像处理、机器学习、深度学习、
图像分类、目标检测、语义分割、图像生成等内容。
本书内容层层递进，先从Python、数据分析、图像处理等基础内容讲起，进而对机器学习和
深度学习进行详细阐述，最后介绍如何使用深度学习方法解决各个计算机视觉任务。本书强调理
论联系实际，着重讲述如何利用Python的OpenCV、Pytorch等包来解决计算机视觉任务，提供大
量编程实例供读者使用。
图像分类、目标检测、语义分割、图像生成等内容。
本书内容层层递进，先从Python、数据分析、图像处理等基础内容讲起，进而对机器学习和
深度学习进行详细阐述，最后介绍如何使用深度学习方法解决各个计算机视觉任务。本书强调理
论联系实际，着重讲述如何利用Python的OpenCV、Pytorch等包来解决计算机视觉任务，提供大
量编程实例供读者使用。
目录
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
2.1Python介绍.13
2.1.1Python简介13
2.1.2Python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
2.4.1if条件语句31
2.4.2for循环语句32
2.4.3while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
3.2NumPy44
3.2.1NumPy的介绍与安装44
3.2.2ndarray45
3.2.3 常用函数46
3.3Pandas50
3.3.1Pandas的介绍与安装50
3.3.2DataFrame50
3.3.3Series52
3.3.4Pandas常见统计函数53
3.4matplotlib54
3.4.1matplotlib介绍与安装54
3.4.2matplotlib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
4.3.1Sobel算子91
4.3.2Laplacian算子91
4.3.3Canny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
5.6.3K-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
6.2BP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
6.2.4BP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
7.1.1ILSVRC139
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
8.3.1R-CNN174
8.3.2SPP-Net175
8.3.3FastR-CNN176
8.3.4FasterR-CNN177
8.3.5R-FCN178
8.4 目标检测一阶段算法179
8.4.1YOLO系列179
8.4.2SSD系列181
8.4.3RetinaNet182
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
9.2.1FCN193
9.2.2U-Net195
9.2.3SegNet195
9.2.4PSPNet196
9.2.5DeepLab196
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
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
2.1Python介绍.13
2.1.1Python简介13
2.1.2Python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
2.4.1if条件语句31
2.4.2for循环语句32
2.4.3while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
3.2NumPy44
3.2.1NumPy的介绍与安装44
3.2.2ndarray45
3.2.3 常用函数46
3.3Pandas50
3.3.1Pandas的介绍与安装50
3.3.2DataFrame50
3.3.3Series52
3.3.4Pandas常见统计函数53
3.4matplotlib54
3.4.1matplotlib介绍与安装54
3.4.2matplotlib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
4.3.1Sobel算子91
4.3.2Laplacian算子91
4.3.3Canny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
5.6.3K-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
6.2BP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
6.2.4BP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
7.1.1ILSVRC139
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
8.3.1R-CNN174
8.3.2SPP-Net175
8.3.3FastR-CNN176
8.3.4FasterR-CNN177
8.3.5R-FCN178
8.4 目标检测一阶段算法179
8.4.1YOLO系列179
8.4.2SSD系列181
8.4.3RetinaNet182
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
9.2.1FCN193
9.2.2U-Net195
9.2.3SegNet195
9.2.4PSPNet196
9.2.5DeepLab196
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
