視覺(jué)感知：深度學(xué)習(xí)如何知圖辨物

第1章　計(jì)算機(jī)視覺(jué)綜述 001 1.1 生物的視界 002 1.1.1 三只眼 002 1.1.2 眼見(jiàn)為實(shí)？ 005 1.2 人工智能的視界 009 1.2.1 數(shù)字圖像類型 009 1.2.2 從圖像到矩陣 011 1.2.3 視不同，理相通 014 1.3 計(jì)算機(jī)視覺(jué)發(fā)展與應(yīng)用 018 1.3.1 計(jì)算機(jī)視覺(jué)發(fā)展史 018 1.3.2 大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽 021 1.3.3 計(jì)算機(jī)視覺(jué)應(yīng)用 022 第2章　機(jī)器學(xué)習(xí)與圖像識(shí)別 024 2.1 從感知機(jī)到支持向量機(jī) 025 2.1.1 感知機(jī)的線性可分 025 2.1.2 支持向量機(jī) 027 2.2 支持向量機(jī)的超強(qiáng)“核”心 030 2.3 支持向量機(jī)的實(shí)踐 034 2.3.1 鳶尾花的辨識(shí) 034 2.3.2 手寫(xiě)數(shù)字圖像識(shí)別 040 第3章　神經(jīng)網(wǎng)絡(luò)與圖像分類 043 3.1 從神經(jīng)元到神經(jīng)網(wǎng)絡(luò) 044 3.1.1 神經(jīng)元與感知機(jī) 044 3.1.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 046 3.1.3 前向與反向傳播 047 3.2 激活函數(shù)與損失函數(shù) 052 3.2.1 非線性轉(zhuǎn)換的激活函數(shù) 052 3.2.2 衡量?jī)?yōu)劣的損失函數(shù) 056 3.2.3 激活函數(shù)與損失函數(shù)的組合 057 3.3 擬合與誤差 058 3.3.1 過(guò)擬合與欠擬合 058 3.3.2 偏差與方差的權(quán)衡 060 3.4 利用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字圖像 064 3.4.1 MNIST手寫(xiě)數(shù)字圖像數(shù)據(jù)集 064 3.4.2 Scikit-learn庫(kù)神經(jīng)網(wǎng)絡(luò)與手寫(xiě)數(shù)字圖像 066 3.4.3 NumPy庫(kù)神經(jīng)網(wǎng)絡(luò)與手寫(xiě)數(shù)據(jù)集 069 第4章　卷積入門(mén) 073 4.1 圖像噪聲 074 4.2 卷積核與去噪 077 4.3 邊緣檢測(cè) 085 4.4 紋理分析 089 第5章　卷積神經(jīng)網(wǎng)絡(luò)及經(jīng)典詳解 092 5.1 卷積神經(jīng)網(wǎng)絡(luò)的提出 093 5.1.1 從全局到局部 093 5.1.2 感受野 096 5.2 卷積層、池化層與全連接層 097 5.2.1 卷積與卷積層 098 5.2.2 池化與池化層 100 5.2.3 全連接層 101 5.3 卷積神經(jīng)網(wǎng)絡(luò)的圖像分類 103 5.3.1 CIFAR-10圖像集介紹 103 5.3.2 簡(jiǎn)單實(shí)現(xiàn)圖像分類 104 5.4 ImageNet與經(jīng)典網(wǎng)絡(luò)介紹 113 5.4.1 ImageNet數(shù)據(jù)集 113 5.4.2 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò) 114 第6章　OpenCV基礎(chǔ) 118 6.1 圖像處理入門(mén) 120 6.1.1 讀取、顯示與保存圖像 121 6.1.2 分割與合并顏色通道 126 6.1.3 轉(zhuǎn)換顏色空間 128 6.1.4 讀取、顯示與保存視頻 131 6.2 圖像基本變換 135 6.2.1 操作單個(gè)像素 135 6.2.2 裁剪圖像 138 6.2.3 調(diào)整圖像大小 140 6.2.4 翻轉(zhuǎn)圖像 144 6.3 為圖像添加注釋 146 6.3.1 為圖像添加線段 147 6.3.2 為圖像添加圓 148 6.3.3 為圖像添加矩形 149 6.3.4 為圖像添加文本 150 6.4 圖像增強(qiáng) 151 6.4.1 調(diào)整圖像亮度 151 6.4.2 調(diào)整圖像對(duì)比度 153 第7章　OpenCV實(shí)戰(zhàn)應(yīng)用 157 7.1 目標(biāo)跟蹤 158 7.1.1 目標(biāo)跟蹤算法 159 7.1.2 創(chuàng)建跟蹤器實(shí)例 160 7.2 目標(biāo)檢測(cè) 169 7.2.1 SSD目標(biāo)檢測(cè)算法 169 7.2.2 目標(biāo)檢測(cè)實(shí)例 170 7.3 圖像分割 177 7.3.1 圖像分割介紹 178 7.3.2 通過(guò)Mask R-CNN進(jìn)行圖像分割 179 7.4 人臉識(shí)別 181 7.4.1 人臉檢測(cè)實(shí)例 182 7.4.2 眼睛檢測(cè)實(shí)例 187 附錄　 189 附錄一　優(yōu)化基礎(chǔ) 190 附錄二　神經(jīng)網(wǎng)絡(luò)代碼 198 附錄三　騰訊扣叮Python實(shí)驗(yàn)室：Jupyter Lab使用說(shuō)明 205