圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFl ( 簡體 字) |
| 作者：扶松柏 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 55557
詢問書籍請說出此書號！【缺書】
NT售價： 445 元 |
| 出版日：1/1/2022 |
| 頁數：318 |
| 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：9787302594086 |
| 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：圖像識別是人工智能的一個重要領域，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，并能對質量不佳的圖像進行一系列的增強與重建技術手段，從而有效改善圖像質量。
隨著計算機及信息技術的迅速發展，圖像識別技術的應用逐漸擴展到多個領域，尤其是在面部及指紋識別、衛星云圖識別及臨床醫療診斷等方面都日益發揮著重要作用。此外在日常生活中，圖像識別技術的應用也十分普遍，比如車牌捕捉、商品條碼識別及手寫識別等。隨著圖像識別技術的逐漸發展并不斷完善，未來它將具有更加廣泛的應用前景。
本書的特色
1．內容全面
本書詳細講解Python圖像視覺識別所需要的開發技術，循序漸進地講解了這些技術的使用方法和技巧，幫助讀者快速步入Python數據分析的高手之列。
2．實例驅動教學
本書采用理論加實例的教學方式，通過實例實現了知識點的橫向切入和縱向比較，讓讀者有更多的實踐演練機會，并且可以用不同的方式展現一個知識點的用法，真正實現了拔高的教學效果。
3．詳細介紹圖像視覺識別的流程
本書從一開始便對圖像視覺識別的流程進行了詳細介紹，而且在講解中結合了多個實用性很強的數據分析項目案例，帶領讀者掌握Python圖像視覺識別的相關知識，以解決實際工作中的問題。
4．掃描二維碼，獲取配書學習資源
本書正文中每個二級標題后都放了一個二維碼，讀者可通過該二維碼在線觀看視頻講解，幫助讀者深入理解書中的案例，提升學習效率。此外，讀者還可以掃描下方的二維碼獲取書中案例源代碼。
5．貼心提示和注意事項提醒
本書根據需要在各章安排了很多“注意”“說明”和“技巧”等小板塊，讓讀者可以在學習過程中更輕松地理解相關知識點及概念，更快地掌握個別技術的應用技巧。
本書內容
本書讀者對象
軟件工程師。
Python語言初學者。
專業圖像視覺識別人員。
數據庫工程師和管理員。
研發工程師。
大學及中學教育工作者。
致謝
本書在編寫過程中，得到了清華大學出版社各位編輯的大力支持，正是各位專業人士的求實、耐心和效率，才使得本書能夠在這么短的時間內出版。另外也十分感謝我的家人給予的巨大支持。本人水平畢竟有限，書中存在紕漏之處在所難免，真誠感謝讀者提出的寶貴意見或建議，以便修訂并使之更臻完善。
最后感謝您購買本書，希望本書能成為您編程路上的領航者，祝您閱讀快樂！
編 者 |
內容簡介：《圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFlow）》循序漸進地講解了使用Python語言實現圖像視覺識別的核心知識，并通過具體實例的實現過程演練了圖像視覺識別的方法和流程。全書共12章，分別講解了圖像識別技術基礎，scikit-image數字圖像處理，OpenCV圖像視覺處理，dlib機器學習和圖像處理算法，face_recognition人臉識別，Scikit-Learn機器學習和人臉識別，TensorFlow機器學習和圖像識別，國內常用的第三方人臉識別平臺，AI人臉識別簽到打卡系統(PyQt5+百度AI+OpenCV-Python+SQLite3實現)，基于深度學習的AI人臉識別系統(Flask+OpenCV-Python+Keras+Sklearn實現)，AI考勤管理系統(face-recognition+Matplotlib+Django+Scikit-Learn+dlib實現)，AI小區停車計費管理系統。全書講解簡潔而不失技術深度，內容豐富全面，并且易于閱讀，以極簡的文字介紹了復雜的案例，是學習Python圖像視覺識別的實用教程。
《圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFlow）》適用于已經了解Python語言基礎語法的讀者，并且適應于希望進一步提高自己Python開發水平的讀者，還可以作為大專院校相關專業的師生用書和培訓機構的專業教材。 |
目錄：第1章圖像識別技術基礎 1
1.1圖像識別概述 2
1.1.1什么是圖像識別 2
1.1.2圖像識別的應用 2
1.2圖像識別原理 3
1.3圖像識別技術 4
1.3.1AI(人工智能) 5
1.3.2機器學習 5
1.3.3深度學習 6
1.3.4基于神經網絡的圖像識別 6
1.3.5基于非線性降維的圖像識別 7
第2章scikit-image數字圖像處理 9
2.1scikit-image基礎 10
2.1.1安裝scikit-image 10
2.1.2scikit-image中的模塊 10
2.2顯示圖像 11
2.2.1使用skimage讀入并顯示外部圖像 11
2.2.2讀取并顯示外部灰度圖像 12
2.2.3顯示內置星空圖片 13
2.2.4讀取并保存內置星空圖片 14
2.2.5顯示內置星空圖片的基本信息 15
2.2.6實現內置貓圖片的紅色通道的效果 16
2.3常見的圖像操作 17
2.3.1對內置貓圖片進行二值化操作 17
2.3.2對內置貓圖片進行裁剪處理 18
2.3.3將RGB圖轉換為灰度圖 19
2.3.4使用skimage實現繪制圖片功能 20
2.3.5使用subplot()函數繪制多視圖窗口 20
2.3.6使用subplots()函數繪制多視圖窗口 22
2.3.7改變指定圖片的大小 24
2.3.8使用函數rescale()縮放圖片 25
2.3.9使用函數rotate()旋轉圖片 25
第3章OpenCV圖像視覺處理 27
3.1OpenCV基礎 28
3.1.1OpenCV介紹 28
3.1.2OpenCV-Python介紹 28
3.1.3安裝OpenCV-Python 29
3.2OpenCV-Python圖像操作 29
3.2.1讀取并顯示圖像 29
3.2.2保存圖像 31
3.2.3在Matplotlib中顯示圖像 32
3.2.4繪圖 33
3.2.5將鼠標作為畫筆 37
3.2.6調色板程序 38
3.2.7基本的屬性操作 40
3.2.8圖像的幾何變換 42
3.2.9圖像直方圖 45
3.2.10特征識別：Harris(哈里斯)角檢測 49
3.3OpenCV-Python視頻操作 51
3.3.1讀取視頻 51
3.3.2播放視頻 53
3.3.3保存視頻 54
3.3.4改變顏色空間 55
3.3.5視頻的背景分離 56
3.4簡易車牌識別系統 59
3.4.1系統介紹 59
3.4.2通用程序 59
3.4.3主程序 64
第4章dlib機器學習和圖像處理算法 67
4.1dlib介紹 68
4.2dlib基本的人臉檢測 68
4.2.1人臉檢測 68
4.2.2使用命令行的人臉識別 70
4.2.3檢測人臉關鍵點 72
4.2.4基于CNN的人臉檢測器 74
4.2.5在攝像頭中識別人臉 76
4.2.6人臉識別驗證 77
4.2.7全局優化 79
4.2.8人臉聚類 81
4.2.9抖動采樣和增強 82
4.2.10人臉和姿勢采集 84
4.2.11物體追蹤 86
4.3SVM分類算法 87
4.3.1二進制SVM分類器 87
4.3.2RankingSVM算法 89
4.3.3StructSVM多分類器 92
4.4自訓練模型 95
4.4.1訓練自己的模型 95
4.4.2自制對象檢測器 98
第5章face_recognition人臉識別 103
5.1安裝face_recognition 104
5.2實現基本的人臉檢測 104
5.2.1輸出顯示指定人像人臉特征 104
5.2.2在指定照片中識別標記出人臉 107
5.2.3識別出照片中的所有人臉 108
5.2.4判斷在照片中是否包含某個人臉 111
5.2.5識別出在照片中的人到底是誰 113
5.2.6攝像頭實時識別 114
5.3深入face_recognition人臉檢測 120
5.3.1檢測人臉眼睛的狀態 120
5.3.2模糊處理人臉 122
5.3.3檢測兩個人臉是否匹配 123
5.3.4識別視頻中的人臉 125
5.3.5網頁版人臉識別器 127
第6章Scikit-Learn機器學習和人臉識別 131
6.1Scikit-Learn基礎 132
6.1.1Scikit-Learn介紹 132
6.1.2安裝Scikit-Learn 132
6.2基于Scikit-Learn的常用算法 132
6.2.1Scikit-Learn機器學習的基本流程 133
6.2.2分類算法 134
6.2.3聚類算法 137
6.2.4分解算法 139
6.3Scikit-Learn和人臉識別 144
6.3.1SVM算法人臉識別 144
6.3.2KNN算法人臉識別 145
6.3.3KNN算法實時識別 151
第7章TensorFlow機器學習和圖像識別 155
7.1TensorFlow基礎 156
7.1.1 TensorFlow介紹 156
7.1.2TensorFlow的優勢 156
7.1.3安裝TensorFlow 157
7.2創建第一個機器學習程序 160
7.2.1在PyCharm環境實現 160
7.2.2在Colaboratory環境實現 162
7.3使用內置方法進行訓練和評估 164
7.3.1第一個端到端訓練和評估示例 164
7.3.2使用compile()訓練模型 167
7.3.3自定義損失 169
7.3.4自定義指標 171
7.3.5處理不適合標準簽名的損失和指標 173
7.3.6自動分離驗證預留集 176
7.3.7通過tf.data數據集進行訓練和評估 177
7.3.8使用樣本加權和類加權 181
7.4TensorFlow圖像視覺處理 183
7.4.1導入需要的庫 183
7.4.2導入FashionMNIST數據集 184
7.4.3瀏覽數據 186
7.4.4預處理數據 186
7.4.5構建模型 188
7.4.6編譯模型 189
7.4.7訓練模型 189
7.4.8使用訓練好的模型 195
第8章國內常用的第三方人臉識別平臺 197
8.1百度AI開放平臺 198
8.1.1百度AI開放平臺介紹 198
8.1.2使用百度AI之前的準備工作 198
8.1.3基于百度AI平臺的人臉識別 203
8.2科大訊飛AI開放平臺 207
8.2.1科大訊飛AI開放平臺介紹 207
8.2.2申請試用 208
8.2.3基于科大訊飛AI的人臉識別 209
第9章AI人臉識別簽到打卡系統(PyQt5+百度AI+OpenCV-Python+SQLite3實現) 217
9.1需求分析 218
9.1.1背景介紹 218
9.1.2任務目標 218
9.2模塊架構 219
9.3使用QtDesigner實現主窗口界面 220
9.3.1設計系統UI主界面 220
9.3.2將QtDesigner文件轉換為Python文件 221
9.4簽到打卡、用戶操作和用戶組操作 225
9.4.1設計UI界面 226
9.4.2創建攝像頭類 228
9.4.3UI界面的操作處理 230
9.4.4多線程操作和人臉識別 241
9.4.5導出打卡簽到信息 245
9.5調試運行 247
第10章基于深度學習的AI人臉識別系統(Flask+OpenCV-Python+Keras+Sklearn實現) 251
10.1系統需求分析 252
10.1.1系統功能分析 252
10.1.2實現流程分析 252
10.1.3技術分析 253
10.2照片樣本采集 254
10.3深度學習和訓練 256
10.3.1原始圖像預處理 256
10.3.2構建人臉識別模塊 258
10.4人臉識別 263
10.5FlaskWeb人臉識別接口 264
10.5.1導入庫文件 264
10.5.2識別上傳照片 265
10.5.3在線識別 267
第11章AI考勤管理系統(face-recognition+Matplotlib+Django+Scikit-Learn+dlib實現) 269
11.1背景介紹 270
11.2系統需求分析 270
11.2.1可行性分析 270
11.2.2系統操作流程分析 270
11.2.3系統模塊設計 271
11.3系統配置 272
11.3.1Django配置文件 272
11.3.2路徑導航文件 272
11.4用戶注冊和登錄驗證 273
11.4.1登錄驗證 273
11.4.2添加新用戶 275
11.4.3設計數據模型 276
11.5采集照片和機器學習 277
11.5.1設置采集對象 277
11.5.2采集照片 279
11.5.3訓練照片模型 281
11.6考勤打卡 283
11.6.1上班打卡簽到 283
11.6.2下班打卡 285
11.7可視化考勤數據 287
11.7.1統計最近兩周的考勤數據 288
11.7.2查看本人指定時間范圍內的考勤統計圖 292
11.7.3查看某員工在指定時間范圍內的考勤統計圖 298
第12章AI小區停車計費管理系統 303
12.1背景介紹 304
12.2系統功能分析和模塊設計 304
12.2.1功能分析 304
12.2.2系統模塊設計 305
12.3系統GUI 305
12.3.1設置基本信息 305
12.3.2繪制操作按鈕 306
12.3.3繪制背景和文字 307
12.4車牌識別和收費 308
12.4.1登記業主的車輛信息 308
12.4.2識別車牌 308
12.4.3計算停車時間 309
12.4.4識別車牌并計費 310
12.5主程序 314 |
| 序： |
