內容簡介

本書主要介紹了深度學習在電腦視覺方面的應用及工程實踐，以Python3為開發語言，並結合當前主流的深度學習框架進行實例展示。主要包括：OpenCV入門、深度學習框架介紹、圖像分類、目標檢測與識別、圖像分割、圖像搜索以及圖像生成等，涉及到的深度學習框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通過本書，讀者能夠了解深度學習在電腦視覺各個方向的應用以及最新進展。

本書的特點是依托工業環境的實踐經驗，具備較強的實用性和專業性。適合於廣大電腦視覺工程領域的從業者、深度學習愛好者、相關專業的大學生和研究生以及對電腦視覺感興趣的愛好者使用。

作者介紹

繆鵬，某985高校物理碩士，長期從事企業虛擬化和深度學習圖像演算法方面的工作。現為廣州棒谷科技有限公司AI－CV核心成員，負責團隊圖像分類、搜索與圖像合成核心演算法開發。

第1章  深度學習與電腦視覺1
1.1  圖像基礎3
1.2  深度學習與神經網路基礎4
1.2.1  函數的簡單表達5
1.2.2  函數的矩陣表達5
1.2.3  神經網路的線性變換6
1.2.4  神經網路的非線性變換6
1.2.5  深層神經網路6
1.2.6  神經網路的學習過程8
1.3  卷積神經網路CNN9
1.4  基礎開發環境搭建14
1.5  本章總結15
第2章  OpenCV入門16
2.1  讀圖、展示和保存新圖17
2.2  圖元點及局部圖像18
2.3  基本線條操作19
2.4  平移20
2.5  旋轉20
2.6  縮放21
2.6.1  鄰近插值22
2.6.2  雙線性插值22
2.7  翻轉23
2.8  裁剪23
2.9  算術操作23
2.10  位操作24
2.11  Masking操作25
2.12  色彩通道分離與融合26
2.13  顏色空間轉換27
2.14  顏色長條圖28
2.15  平滑與模糊29
2.16  邊緣檢測31
2.17  人臉和眼睛檢測示例32
2.18  本章總結35
第3章  常見深度學習框架36
3.1  PyTorch38
3.1.1  Tensor39
3.1.2  Autograd42
3.1.3  Torch.nn43
3.2  Chainer45
3.2.1  Variable46
3.2.2  Link與Function47
3.2.3  Chain50
3.2.4  optimizers51
3.2.5  損失函數51
3.2.6  GPU的使用52
3.2.7  模型的保存與載入54
3.2.8  FashionMnist圖像分類示例54
3.2.9  Trainer59
3.3  TensorFlow與Keras66
3.3.1  TensorFlow66
3.3.2  Keras67
3.4  MXNet與Gluon73
3.4.1  MXNet73
3.4.2  Gluon74
3.4.3  Gluon Sequential74
3.4.4  Gluon Block75
3.4.5  使用GPU76
3.4.6  Gluon Hybrid77
3.4.7  Lazy Evaluation79
3.4.8  Module80
3.5  其他框架81
3.6  本章總結81
第4章  圖像分類82
4.1  VGG84
4.1.1  VGG介紹84
4.1.2  MXNet版VGG使用示例85
4.2  ResNet89
4.2.1  ResNet介紹89
4.2.2  Chainer版ResNet示例90
4.3  Inception95
4.3.1  Inception介紹95
4.3.2  Keras版Inception V3川菜分類97
4.4  Xception116
4.4.1  Xception簡述116
4.4.2  Keras版本Xception使用示例116
4.5  DenseNet122
4.5.1  DenseNet介紹122
4.5.2  PyTorch版DenseNet使用示例122
4.6  本章總結126
第5章  目標檢測與識別128
5.1  Faster RCNN129
5.1.1  Faster RCNN介紹129
5.1.2  ChainerCV版Faster RCNN示例131
5.2  SSD139
5.2.1  SSD介紹139
5.2.2  SSD示例140
5.3  YOLO148
5.3.1  YOLO V1、V2和V3介紹148
5.3.2  Keras版本YOLO V3示例150
5.4  本章總結157
第6章  圖像分割158
6.1  物體分割159
6.2  語義分割164
6.2.1  FCN與SegNet166
6.2.2  PSPNet171
6.2.3  DeepLab172
6.3  實例分割176
6.3.1  FCIS177
6.3.2  Mask R-CNN178
6.3.3  MaskLab180
6.3.4  PANet181
6.4  本章總結181
第7章  圖像搜索183
7.1  Siamese Network185
7.2  Triplet Network186
7.3  Margin Based Network188
7.4  Keras版Triplet Network示例190
7.4.1  準備數據190
7.4.2  訓練文件191
7.4.3  採樣文件195
7.4.4  模型訓練202
7.4.5  模型測試206
7.4.5  結果視覺化210
7.5  本章小結216
第8章  圖像生成218
8.1  VAE219
8.1.1  VAE介紹219
8.1.2  Chainer版本VAE示例220
8.2  生成對抗網路GAN221
8.2.1  GAN介紹221
8.2.2  Chainer DCGAN RPG遊戲角色生成示例229
8.3  Neural Style Transfer238
8.3.1  Neural Style Transfer介紹238
8.3.2  MXNet多風格轉換MSG-Net示例241
8.4  本章總結246
後記247

看更多