機器學習：使用OpenCV Python和scikit-learn進行智能圖像處理（原書第2版） ( 簡體 字) |
| 作者：[印] 阿迪蒂亞·夏爾馬（Aditya Sharma） [印] 維什韋什·拉維 | 類別：1. -> 程式設計 -> 機器學習
2. -> 教材 -> 數位影像處理
3. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 53778
詢問書籍請說出此書號！【缺書】
NT售價： 495 元 |
| 出版日：11/1/2020 |
| 頁數：282 |
| 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：9787111668268 |
| 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： |
內容簡介： 本書是一本基于OpenCV 4和Python的機器學習實戰手冊，既詳細介紹機器學習及OpenCV相關的基礎知識，又通過具體實例展示如何使用OpenCV和Python實現各種機器學習算法，并提供大量示例代碼，可以幫助你掌握機器學習實用技巧，解決各種不同的機器學習和圖像處理問題。
全書共13章：第1章簡要介紹機器學習基礎知識，并講解如何安裝OpenCV和Python工具；第2章介紹基本的OpenCV函數；第3章討論監督學習算法，以及如何使用OpenCV和scikit-learn實現這些算法；第4章討論數據表示和特征工程，并介紹OpenCV中提供的用于處理圖像數據的常見特征提取技術；第5章展示如何使用OpenCV構建決策樹進行醫療診斷；第6章討論如何使用OpenCV構建支持向量機檢測行人；第7章討論樸素貝葉斯算法、多項式樸素貝葉斯等技術及實現，并展示如何使用貝葉斯學習實現垃圾郵件過濾；第8章討論一些無監督學習算法；第9章詳細講解如何構建深度神經網絡來分類手寫數字；第10章介紹用于分類的隨機森林、bagging方法和boosting方法等；第11章討論如何通過模型選擇和超參數調優來比較各種分類器的結果；第12章介紹OpenCV 4.0中引入的OpenVINO工具包；第13章給出一些處理實際機器學習問題的提示和技巧。 |
目錄：譯者序
前言
作者簡介
審校者簡介
**部分 機器學習與OpenCV的基礎知識
第1章 機器學習體驗
1.1 技術需求
1.2 開始機器學習
1.3 機器學習可以解決的問題
1.4 開始使用Python
1.5 開始使用OpenCV
1.6 安裝
1.6.1 獲取本書的*新代碼
1.6.2 了解Python的Anaconda發行版
1.6.3 在conda環境中安裝OpenCV
1.6.4 安裝驗證
1.6.5 OpenCV的m1模塊概覽
1.7 機器學習的應用
1.8 OpenCV 4.0的新功能
1.9 本章小結
第2章 用OpenCV處理數據
2.1 技術需求
2.2 理解機器學習的工作流程
2.3 使用OpenCV和Python處理數據
2.3.1 開始一個新的IPython或Jupyter會話
2.3.2 使用Python的NumPy包處理數據
2.3.3 用Python加載外部數據集
2.3.4 使用Matplotlib可視化數據
2.3.5 使用C++中的OpenCV TrainData容器處理數據
2.4 本章小結
第3章 監督學習的**步
3.1 技術需求
3.2 理解監督學習
3.2.1 看看OpenCV中的監督學習
3.2.2 用評分函數度量模型性能
3.3 使用分類模型預測類標簽
3.3.1 理解k-NN算法
3.3.2 用OpenCV實現k-NN
3.4 使用回歸模型預測連續的結果
3.4.1 理解線性回歸
3.4.2 OpenCV中的線性回歸
3.4.3 使用線性回歸預測波士頓房價
3.4.4 Lasso回歸和嶺回歸的應用
3.5 使用邏輯回歸分類鳶尾花的種類
3.5.1 理解邏輯回歸
……
第4章 數據表示和特征工程
第二部分 基于OpenCV的運算
第5章 基于決策樹進行醫療診斷
第6章 利用支持向量機進行行人檢測 |
| 序： |
