计算机视觉应用开发PDF电子书下载

查看更多关于的内容

第1章 机器学习基础 1

1.1机器学习简介 1

1.2机器学习任务 4

1.2.1机器学习问题 4

1.2.2机器学习典型任务 6

1.3机器学习应用场景 7

1.4搭建机器学习开发环境 8

1.4.1开发环境系统要求 8

1.4.2 Windows10系统平台下搭建开发环境 8

1.4.3 Linux系统平台下搭建开发环境 16

1.5机器学习常用库概述 21

1.5.1库简介 21

1.5.2库安装及集成 23

1.6机器学习框架概述 24

1.7机器学习开源平台 26

本章小结 29

习题1 29

第2章 图像处理基础 30

2.1图像处理简介 30

2.2图像基础 31

2.2.1图像表示 31

2.2.2图像读取 33

2.2.3图像存储 38

2.2.4视频捕获 39

2.2.5视频流保存 41

2.2.6图像绘制 42

2.3图像计算 51

2.4颜色空间转化及分割 52

2.5图像二值化及平滑 54

2.5.1图像二值化 54

2.5.2图像平滑 58

2.6图像变换和形态操作 65

2.6.1图像变换 65

2.6.2图像形态操作 73

2.7图像检测 77

2.8车牌识别案例 83

本章小结 94

习题2 94

第3章 特征选择与降维 96

3.1特征选择简介 96

3.2特征选择方法 98

3.2.1过滤法 98

3.2.2包裹法 101

3.2.3嵌入法 104

3.3降维技术 108

3.4鸢尾花降维案例 113

本章小结 120

习题3 120

第4章 典型机器学习算法 121

4.1回归 121

4.1.1回归简介 121

4.1.2常用回归算法 122

4.1.3回归评价标准 124

4.1.4房屋价格回归分析 125

4.2聚类 126

4.2.1聚类简介 126

4.2.2典型的聚类方法 126

4.2.3聚类评价标准 128

4.2.4用户社区聚类分析 129

4.3支持向量机 130

4.3.1支持向量机简介 130

4.3.2线性支持向量机 131

4.3.3核函数 133

4.3.4手写数字字体识别 137

4.4机器学习基础 138

4.4.1机器学习简介 138

4.4.2常见的机器学习算法 139

4.4.3主流应用框架 140

4.4.4 Theano应用 143

4.5图像数据处理/机器学习算法 144

4.5.1常见的图像处理算法 144

4.5.2图像处理库 148

4.5.3手写数字图像及字体识别 151

4.6空气质量预测案例 157

本章小结 161

习题4 161

第5章 深度学习与图像识别 162

5.1图像识别概述 162

5.1.1图像识别简介 162

5.1.2深度学习与图像识别 165

5.1.3图像识别中深度学习的应用 166

5.2深度学习框架 168

5.2.1 TensorFlow 168

5.2.2 PyTorch 173

5.3神经网络 176

5.3.1神经网络简介 177

5.3.2神经元模型与感知器 178

5.3.3神经网络构建与训练优化 181

5.3.4基于全连接神经网络的手写数字识别案例 184

5.4卷积神经网络 185

5.4.1卷积神经网络简介 185

5.4.2经典卷积神经网络结构 191

5.4.3基于卷积神经网络的猫狗分类案例 209

5.5循环神经网络 213

5.5.1循环神经网络简介 213

5.5.2 RNN网络结构 214

5.5.3基于RNN的文本分类案例 220

5.6验证码识别案例 225

本章小结 230

习题5 230

第6章 AI云平台及移动端应用 232

6.1 AI云开发简介 232

6.2云开发平台 236

6.2.1百度云开发平台 237

6.2.2阿里云开发平台 245

6.2.3 Face＋＋云开发平台 250

6.2.4科大讯飞云开发平台 254

6.3云端机器学习应用 259

6.3.1基于EasyDL的多物体识别 259

6.3.2基于PaddlePaddle的图像识别 267

本章小结 277

习题6 277

参考文献 279

查看更多关于的内容