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 計算技術、計算機技術
 
 
 
 
OpenCV+TensorFlow深度學習與計算機視覺實戰
 作  者: 王曉華
 出版單位: 清華大學
 出版日期: 2019.02
 進貨日期: 2019/3/14
 ISBN: 9787302518426
 開  本: 16 開    
 定  價: 518
 售  價: 414
  會 員 價: 380
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:

(1)本書偏重於介紹使用卷積神經網路及其相關變化的模型,在TensorFlow框架上進行圖像特徵提取、圖像識別以及具體應用,這是目前已出版圖書中鮮有涉及的。
(2)本書並非枯燥的理論講解,而是作者閱讀和參考了大量*文獻做出的歸納總結,在這點上也與其他程式設計書籍有本質區別。書中的例子都是來自于現實世界中對圖像分辨和特徵的競賽優勝模型,通過介紹這些例子可以使讀者更深一步地瞭解和掌握其內在的演算法和本質。
(3)本書作者有長期研究生和本科教學經驗,通過通俗易懂的語言對全部內容進行講解,深入淺出地介紹回饋神經網路和卷積神經網路理論體系的全部知識點,並在程式編寫時使用官方推薦的TensorFlow*框架進行程式設計,幫助讀者更好地使用*的模型框架、理解和掌握TensorFlow程式設計的精妙之處。
(4)掌握和使用深度學習的人才應該在掌握基本知識和理論的基礎上,重視實際應用程式開發能力和解決問題能力的培養。因此,本書結合作者在實際工作中遇到的實際案例進行分析,抽象化核心模型並給出具體解決方案,並提供了全部程式例題的相應代碼以供讀者學習。


內容簡介:

本書旨在掌握深度學習基本知識和特性的基礎上,培養使用TensorFlow OpenCV進行實際程式設計以解決影像處理相關問題的能力。全書力求通過通俗易懂的語言和詳細的程式分析,介紹TensorFlow的基本用法、高級模型設計和對應的程式編寫。 本書共13章,內容包括電腦視覺與深度學習的關係、Python的安裝和使用、Python資料處理及視覺化、機器學習的理論和演算法、電腦視覺處理庫OpenCV 、OpenCV影像處理實戰、TensorFlow基本資料結構和使用、TensorFlow資料集的創建與讀取、BP神經網路、回饋神經網路、卷積神經網路等。本書強調理論聯繫實際,著重介紹TensorFlow OpenCV解決圖像識別的應用,提供大量資料集供讀者使用,並以代碼的形式實現深度學習模型實例供讀者參考。 本書既可作為學習人工神經網路、深度學習、TensorFlow程式設計以及影像處理等相關內容的程式設計人員的自學用書,也可作為高等院校和培訓學校相關專業的教材使用。


作者簡介:

王曉華,高校資深電腦專業講師,給研究生和本科生講授物件導向程式設計、資料結構、Hadoop程式設計等相關課程。主要研究方向為雲計算、資料採擷。曾主持和參與多項國家和省級科研課題,獨立完成一項科研成果並獲省級成果認定,發表過多篇論文,申請有一項專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》等圖書。


圖書目錄:

第1章 電腦視覺與深度學習 1
1.1 電腦視覺與深度學習的關係 1
1.1.1 人類視覺神經的啟迪 2
1.1.2 電腦視覺的難點與人工神經網路 3
1.1.3 應用深度學習解決電腦視覺問題 4
1.2 電腦視覺學習的基礎與研究方向 5
1.2.1 學習電腦視覺結構圖 5
1.2.2 電腦視覺的學習方式和未來趨勢 6
1.3 本章小結 7
第2章 Python的安裝與使用 8
2.1 Python基本安裝和用法 8
2.1.1 Anaconda的下載與安裝 9
2.1.2 Python編譯器PyCharm的安裝 12
2.1.3 使用Python計算softmax函數 15
2.2 TensorFlow類庫的下載與安裝(基於CPU模式) 16
2.3 TensorFlow類庫的下載與安裝(基於GPU模式) 18
2.3.1 CUDA配置 18
2.3.2 cuDNN配置 21
2.4 OpenCV類庫的下載與安裝 22
2.5 Python常用類庫中的threading 24
2.5.1 threading庫的使用 25
2.5.2 threading模組中最重要的Thread類 25
2.5.3 threading中的Lock類 26
2.5.4 threading中的join類 27
2.6 本章小結 28
第3章 Python資料處理及視覺化 29
3.1 從小例子起步—NumPy的初步使用 29
3.1.1 資料的矩陣化 29
3.1.2 資料分析 31
3.1.3 基於統計分析的資料處理 32
3.2 圖形化資料處理—Matplotlib包的使用 33
3.2.1 差異的視覺化 33
3.2.2 座標圖的展示 34
3.2.3 玩個大的資料集 36
3.3 深度學習理論方法—相似度計算 38
3.3.1 基於歐幾裡得距離的相似度計算 38
3.3.2 基於余弦角度的相似度計算 39
3.3.3 歐幾裡得相似度與余弦相似度的比較 40
3.4 資料的統計學視覺化展示 41
3.4.1 資料的四分位元 41
3.4.2 數據的四分位元示例 42
3.4.3 數據的標準化 46
3.4.4 資料的平行化處理 47
3.4.5 熱點圖-屬性相關性檢測 49
3.5 Python資料分析與視覺化實戰—某地降水的關係處理 50
3.5.1 不同年份的相同月份統計 50
3.5.2 不同月份之間的增減程度比較 52
3.5.3 每月降水是否相關 53
3.6 本章小結 54

第4章 深度學習的理論基礎—機器學習 55
4.1 機器學習基本分類 55
4.1.1 基於學科的分類 55
4.1.2 基於學習模式的分類 56
4.1.3 基於應用領域的分類 56
4.2 機器學習基本演算法 57
4.2.1 機器學習的演算法流程 57
4.2.2 基本演算法的分類 58
4.3 演算法的理論基礎 60
4.3.1 小學生的故事—求圓的面積 60
4.3.2 機器學習基礎理論—函數逼近 61
4.4 回歸演算法 62
4.4.1 函數逼近經典演算法—線性回歸演算法 62
4.4.2 線性回歸的姐妹—邏輯回歸 64
4.5 機器學習的其他演算法—決策樹 65
4.5.1 水晶球的秘密 65
4.5.2 決策樹的演算法基礎—資訊熵 66
4.5.3 決策樹的演算法基礎—ID3演算法 67
4.6 本章小結 68
第5章 電腦視覺處理庫OpenCV 70
5.1 認識OpenCV 70
5.1.1 OpenCV的結構 70
5.1.2 從雪花電視談起—在Python中使用OpenCV 74
5.2 OpenCV基本的圖片讀取 75
5.2.1 基本的圖片存儲格式 76
5.2.2 圖像的讀取與存儲 78
5.2.3 圖像的轉換 78
5.2.4 使用NumPy模組對圖像進行編輯 80
5.3 OpenCV的卷積核處理 81
5.3.1 電腦視覺的三種不同色彩空間 81
5.3.2 卷積核與圖像特徵提取 82
5.3.3 卷積核進階 84
5.4 本章小結 85
第6章 OpenCV影像處理實戰 86
6.1 圖片的自由縮放以及邊緣裁剪 86
6.1.1 圖像的擴縮裁挖 86
6.1.2 圖像色調的調整 87
6.1.3 圖像的旋轉、平移和翻轉 89
6.2 使用OpenCV擴大圖像資料庫 90
6.2.1 圖像的隨機裁剪 90
6.2.2 圖像的隨機旋轉變換 91
6.2.3 圖像色彩的隨機變換 92
6.2.4 對滑鼠的監控 93
6.3 本章小結 94
第7章 Let’s play TensorFlow 95
7.1 TensorFlow遊樂場 95
7.1.1 I want to play a game 95
7.1.2 TensorFlow遊樂場背後的故事 99
7.1.3 如何訓練神經網路 101
7.2 Hello TensorFlow 102
7.2.1 TensorFlow名稱的解釋 102
7.2.2 TensorFlow基本概念 103
7.2.3 TensorFlow基本架構 105
7.3 本章小結 106
第8章 Hello TensorFlow,從0到1 107
8.1 TensorFlow的安裝 107
8.2 TensorFlow常量、變數和資料類型 109
8.3 TensorFlow矩陣計算 114
8.4 Hello TensorFlow 115
8.5 本章小結 120
第9章 TensorFlow重要演算法基礎 122
9.1 BP神經網路簡介 122
9.2 BP神經網路兩個基礎演算法詳解 124
9.2.1 最小二乘法詳解 125
9.2.2 道士下山的故事—梯度下降演算法 127
9.3 TensorFlow實戰—房屋價格的計算 130
9.3.1 資料收集 130
9.3.2 模型的建立與計算 131
9.3.3 TensorFlow程式設計 133
9.4 回饋神經網路反向傳播演算法介紹 135
9.4.1 深度學習基礎 135
9.4.2 鏈式求導法則 136
9.4.3 回饋神經網路原理與公式推導 138
9.4.4 回饋神經網路原理的啟動函數 143
9.4.5 回饋神經網路原理的Python實現 144
9.5 本章小結 150
第10章 TensorFlow資料的生成與讀取 151
10.1 TensorFlow的佇列 151
10.1.1 佇列的創建 151
10.1.2 執行緒同步與停止 155
10.1.3 佇列中資料的讀取 156
10.2 CSV檔的創建與讀取 157
10.2.1 CSV文件的創建 157
10.2.2 CSV文件的讀取 158
10.3 TensorFlow文件的創建與讀取 160
10.3.1 TFRecords文件的創建 160
10.3.2 TFRecords文件的讀取 163
10.3.3 圖片檔的創建與讀取 164
10.4 本章小結 169
第11章 卷積神經網路的原理 170
11.1 卷積運算基本概念 170
11.1.1 卷積運算 171
11.1.2 TensorFlow中卷積函數實現詳解 172
11.1.3 使用卷積函數對圖像感興趣區域進行標注 176
11.1.4 池化運算 178
11.1.5 使用池化運算加強卷積特徵提取 180
11.2 卷積神經網路的結構詳解 181
11.2.1 卷積神經網路原理 181
11.2.2 卷積神經網路的應用實例—LeNet5網路結構 184
11.2.3 卷積神經網路的訓練 186
11.3 TensorFlow實現LeNet實例 186
11.3.1 LeNet模型分解 187
11.3.2 使用ReLU啟動函數替代Sigmoid 191
11.3.3 程式的重構—模組化設計 195
11.3.4 卷積核和隱藏層參數的修改 199
11.4 本章小結 205
第12章 卷積神經網路公式的推導與應用 206
12.1 回饋神經網路演算法 206
12.1.1 經典回饋神經網路正向與反向傳播公式推導 206
12.1.2 卷積神經網路正向與反向傳播公式推導 209
12.2 使用卷積神經網路分辨CIFAR-10資料集 217
12.2.1 CIFAR-10資料集下載與介紹 217
12.2.2 CIFAR-10模型的構建與資料處理 219
12.2.3 CIFAR-10模型的細節描述與參數重構 228
12.3 本章小結 229
第13章 貓狗大戰—實戰AlexNet圖像識別 230
13.1 AlexNet簡介 231
13.1.1 AlexNet模型解讀 231
13.1.2 AlexNet程式的實現 234
13.2 實戰貓狗大戰—AlexNet模型 239
13.2.1 資料的收集與處理 240
13.2.2 模型的訓練與存儲 244
13.2.3 使用訓練過的模型預測圖片 250
13.2.4 使用Batch_Normalization正則化處理資料集 257
13.3 本章小結 266

 
  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。