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 ( 簡體 字) |
| 作者：[印]希曼舒·辛格(Himanshu Singh) 著，駱鈴 譯 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 52156
詢問書籍請說出此書號！【缺書】
NT售價： 350 元 |
| 出版日：12/1/2019 |
| 頁數：118 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302538158 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
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，并探究有助于算法應用的Python概念。然后，深入討論圖像處理的不同算法和它們的實際實現；后者使用了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》介紹用于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。最后，《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并通過訓練機器學習模型來滿足定制化的需求。 |
內容簡介：了解圖像處理算法以及如何使用Python應用這些算法；
探索使用OpenCV進行圖像處理；
使用scikit-leam、NumPy和其他程序庫；
把機器學習和深度學習算法運用到圖像處理中；
把圖像處理技術應用到五個實時項目中。 |
目錄：第1章設置環境1
1.1安裝Anaconda1
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OpenCV3
1.3安裝Keras4
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
2.4PPI與DPI9
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
2.9.1RGB12
2.9.2XYZ13
2.9.3HSV/HSL14
2.9.4Lab15
2.9.5LCH16
2.9.6YPbPr16
2.9.7YUV17
2.9.8YIQ17
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ScikitImage23
3.1Python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
3.2ScikitImage31
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章基于機器學習的圖像處理67
5.1使用SIFT算法的特征映射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：確定唯一關鍵特征69
5.2使用RANSAC算法的圖像配準73
5.2.1estimate_affine()函數77
5.2.2residual_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 |
| 序： |
