總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
Python機器學習和圖像處理實戰:面部識別•目標檢測和模式識別(配件另行下載)
 作  者: (印)希曼舒•辛格
 出版單位: 清華大學
 出版日期: 2019.12
 進貨日期: 2020/2/3
 ISBN: 9787302538158
 開  本: 16 開    
 定  價: 524
 售  價: 419
  會 員 價: 384
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

閱讀《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》可深入?解基於Python實現的機器學習與神經網絡之上的圖像處理方法與算法。


本書首先介紹環境設置,講解圖像處理的基本術語,並探究有助於實現本書中算法的Python概念。


然後詳細介紹所有的核心圖像處理算法,接著轉而介紹計算機視覺庫OpenCV,你將?解OpenCV算法及其在圖像處理中的應用。


最後介紹用於圖像處理與分類的機器學習和深度學習的高級方法,將神經網絡、Adaboost、XGBoost、卷積神經網絡等概念運用到具體的圖像應用中。


書中所有的概念都用現實場景來解釋。讀完本書,你將能夠應用圖像處理技術並訓練機器學習模型來滿足定制化需求。


內容簡介:

閱讀《Python機器學習和圖像處理實戰面部識別、目標檢測和模式識別》可深入了解基於Python實現的機器學習與神經網絡之上的圖像處理方法與算法。《Python機器學習和圖像處理實戰:面部識別、目標檢測和模式識別》首先介紹環境設置,講解圖像處理的基本術語,並探究有助於實現書中算法的Python概念。然後詳細介紹所有的核心圖像處理算法,接著介紹計算機視覺庫OpenCV,你將了解OpenCV算法及其在圖像處理中的應用。最後介紹用於圖像處理與分類的機器學習和深度學習的高級方法,將神經網絡、Adaboost、XGBoost、卷積神經網絡等概念運用到具體的圖像應用中。
  書中所有的概念都用現實場景來解釋。讀完該書,你將能夠應用圖像處理技術並訓練機器學習模型來滿足定制化需求。


作者簡介:

Himanshu Singh擁有超過6年的數據科學從業經驗,目前是V-Soft Labs的高級數據科學家。他提供關於數據科學、機器學習和深度學習的企業培訓,是Narsee Monjee管理學院(Narsee Monjee Institute of Management Studies)在分析方面的訪問學者,這家學院被視為印度的高級管理學院之一。他是Black Feathers Analytics和Rise of Literati Clubs的創始人。


圖書目錄:

第1章 設置環境 1

1.1 安裝Anaconda 1

1.1.1 在Windows下安裝 2

1.1.2 在macOS下安裝 3

1.1.3 在Ubuntu下安裝 3

1.2 安裝OpenCV 3

1.3 安裝Keras 4

1.4 測試安裝 4

1.5 虛擬環境 4

第2章 圖像處理入門 7

2.1 圖像 7

2.2 像素 8

2.3 圖像分辨率 8

2.4 PPI與DPI 9

2.5 位圖圖像 10

2.6 無損壓縮 10

2.7 有損壓縮 10

2.8 圖像文件格式 11

2.9 色彩空間 12

2.9.1 RGB 12

2.9.2 XYZ 13

2.9.3 HSV/HSL 14

2.9.4 Lab 15

2.9.5 LCH 16

2.9.6 YPbPr 16

2.9.7 YUV 17

2.9.8 YIQ 17

2.10 高級圖像概念 18

2.10.1 貝塞爾曲線 18

2.10.2 橢球 19

2.10.3 伽馬校正 20

2.10.4 結構相似性指標 21

2.10.5 解卷積 21

2.10.6 單應性 22

2.10.7 卷積 22

第3章 Python基礎和Scikit Image 23

3.1 Python入門 23

3.1.1 變量和數據類型 24

3.1.2 數據結構 25

3.1.3 循環語句 26

3.1.4 條件語句 28

3.1.5 函數 29

3.2 Scikit Image 31

3.2.1 上傳和查看圖像 32

3.2.2 獲取圖像分辨率 32

3.2.3 查看像素值 33

3.2.4 轉換色彩空間 33

3.2.5 保存圖像 40

3.2.6 創建基本圖形 41

3.2.7 執行伽馬校正 44

3.2.8 旋轉、平移和縮放圖像 45

3.2.9 確定結構相似度 46

第4章 OpenCV高級圖像處理 47

4.1 混合兩張圖像 47

4.2 改變圖像的對比度和 亮度 49

4.3 往圖像中添加文字 51

4.4 平滑圖像 52

4.4.1 中值濾波器 53

4.4.2 高斯濾波器 53

4.4.3 雙邊濾波器 54

4.5 改變圖像的形狀 55

4.6 實施圖像閾限化 59

4.7 計算梯度 62

4.8 執行直方圖均衡 63

第5章 基於機器學習的圖像處理 67

5.1 使用SIFT算法的特徵映射 67

5.1.1 步驟1:構造尺度不變的空間 68

5.1.2 步驟2:求兩個高斯之差 68

5.1.3 步驟3:找出圖像中的關鍵點 69

5.1.4 步驟4:為了高效地比較,移除非關鍵點 69

5.1.5 步驟5:提供關鍵點的方向 69

5.1.6 步驟6:確定唯一關鍵特徵 69

5.2 使用RANSAC算法的圖像配準 73

5.2.1 estimate_affine()函數 77

5.2.2 residual_lengths()函數 77

5.2.3 輸出圖像 78

5.2.4 全部代碼 78

5.3 使用人工神經網絡的圖像分類 81

5.4 使用CNN的圖像分類 87

5.5 使用機器學習的圖像分類 92

5.5.1 決策樹 92

5.5.2 支持向量機 92

5.5.3 邏輯回歸 93

5.5.4 代碼 93

5.6 重要術語 95

第6章 實時用例 97

6.1 找出掌紋 97

6.2 檢測面部 99

6.3 識別面部 101

6.4 追蹤運動 103

6.5 檢測車道 104

附錄 重要概念與術語 111


章節試讀:

前 言




《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》的目標是使讀者深入了解圖像處理的基礎知識、圖像處理的不同方法和算法、多種Python庫的應用和實時用例的機器學習實現。

《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》首先討論不同操作系統下的環境設置,介紹圖像處理的基本術語,並探究有助於算法應用的Python概念。然後,深入討論圖像處理的不同算法和它們的實際實現;後者使用了Python下的兩種代碼庫——Scikit Image和OpenCV。接著,《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》介紹用於圖像處理與分類的機器學習和深度學習的高級方法,解釋具體圖像應用中的Adaboost、XGBoost、卷積神經網絡等概念。最後,《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》描述了實時建模和部署模型的過程。

書中所有的概念都用現實場景來解釋。閱讀完《Python機器學習和圖像處理實戰 面部識別、目標檢測和模式識別》,讀者應該能夠應用圖像處理技術並通過訓練機器學習模型來滿足定制化的需求。

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。