OpenCV+TensorFlow深度学习与计算机视觉实战【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

OpenCV+TensorFlow深度学习与计算机视觉实战PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 计算机视觉与深度学习1

1.1计算机视觉与深度学习的关系1

1.1.1人类视觉神经的启迪2

1.1.2计算机视觉的难点与人工神经网络3

1.1.3应用深度学习解决计算机视觉问题4

1.2计算机视觉学习的基础与研究方向5

1.2.1学习计算机视觉结构图5

1.2.2计算机视觉的学习方式和未来趋势6

1.3本章小结7

第2章 Python的安装与使用8

2.1 Python基本安装和用法8

2.1.1 Anaconda的下载与安装9

2.1.2 Python编译器PyCharm的安装12

2.1.3使用Python计算softmax函数15

2.2 TensorFlow类库的下载与安装（基于CPU模式）16

2.3 TensorFlow类库的下载与安装（基于GPU模式）18

2.3.1 CUDA配置18

2.3.2 cuDNN配置21

2.4 OpenCV类库的下载与安装22

2.5 Python常用类库中的threading24

2.5.1 threading库的使用25

2.5.2 threading模块中最重要的Thread类25

2.5.3 threading中的Lock类26

2.5.4 threading中的join类27

2.6本章小结28

第3章 Python数据处理及可视化29

3.1从小例子起步——NumPy的初步使用29

3.1.1数据的矩阵化29

3.1.2数据分析31

3.1.3基于统计分析的数据处理32

3.2图形化数据处理——Matplotlib包的使用33

3.2.1差异的可视化33

3.2.2坐标图的展示34

3.2.3玩个大的数据集36

3.3深度学习理论方法——相似度计算38

3.3.1基于欧几里得距离的相似度计算38

3.3.2基于余弦角度的相似度计算39

3.3.3欧几里得相似度与余弦相似度的比较40

3.4数据的统计学可视化展示41

3.4.1数据的四分位41

3.4.2数据的四分位示例42

3.4.3数据的标准化46

3.4.4数据的平行化处理47

3.4.5热点图-属性相关性检测49

3.5 Python数据分析与可视化实战——某地降水的关系处理50

3.5.1不同年份的相同月份统计50

3.5.2不同月份之间的增减程度比较52

3.5.3每月降水是否相关53

3.6本章小结54

第4章 深度学习的理论基础——机器学习55

4.1机器学习基本分类55

4.1.1基于学科的分类55

4.1.2基于学习模式的分类56

4.1.3基于应用领域的分类56

4.2机器学习基本算法57

4.2.1机器学习的算法流程57

4.2.2基本算法的分类58

4.3算法的理论基础60

4.3.1小学生的故事——求圆的面积60

4.3.2机器学习基础理论——函数逼近61

4.4回归算法62

4.4.1函数逼近经典算法——线性回归算法62

4.4.2线性回归的姐妹——逻辑回归64

4.5机器学习的其他算法——决策树65

4.5.1水晶球的秘密65

4.5.2决策树的算法基础——信息熵66

4.5.3决策树的算法基础——ID3算法67

4.6本章小结68

第5章 计算机视觉处理库OpenCV70

5.1认识OpenCV70

5.1.1 OpenCV的结构70

5.1.2从雪花电视谈起——在Python中使用OpenCV74

5.2 OpenCV基本的图片读取75

5.2.1基本的图片存储格式76

5.2.2图像的读取与存储78

5.2.3图像的转换78

5.2.4使用NumPy模块对图像进行编辑80

5.3 OpenCV的卷积核处理81

5.3.1计算机视觉的三种不同色彩空间81

5.3.2卷积核与图像特征提取82

5.3.3卷积核进阶84

5.4本章小结85

第6章 OpenCV图像处理实战86

6.1图片的自由缩放以及边缘裁剪86

6.1.1图像的扩缩裁挖86

6.1.2图像色调的调整87

6.1.3图像的旋转、平移和翻转89

6.2使用OpenCV扩大图像数据库90

6.2.1图像的随机裁剪90

6.2.2图像的随机旋转变换91

6.2.3图像色彩的随机变换92

6.2.4对鼠标的监控93

6.3本章小结94

第7章 Let’s play TensorFlow95

7.1 TensorFlow游乐场95

7.1.1 I want to play a game95

7.1.2 TensorFlow游乐场背后的故事99

7.1.3如何训练神经网络101

7.2 Hello TensorFlow102

7.2.1 TensorFlow名称的解释102

7.2.2 TensorFlow基本概念103

7.2.3 TensorFlow基本架构105

7.3本章小结106

第8章 Hello TensorFlow，从0到1107

8.1 TensorFlow的安装107

8.2 TensorFlow常量、变量和数据类型109

8.3 TensorFlow矩阵计算114

8.4 Hello TensorFlow115

8.5本章小结120

第9章 TensorFlow重要算法基础122

9.1 BP神经网络简介122

9.2 BP神经网络两个基础算法详解124

9.2.1最小二乘法详解125

9.2.2道士下山的故事——梯度下降算法127

9.3 TensorFlow实战——房屋价格的计算130

9.3.1数据收集130

9.3.2模型的建立与计算131

9.3.3 TensorFlow程序设计133

9.4反馈神经网络反向传播算法介绍135

9.4.1深度学习基础135

9.4.2链式求导法则136

9.4.3反馈神经网络原理与公式推导138

9.4.4反馈神经网络原理的激活函数143

9.4.5反馈神经网络原理的Python实现144

9.5本章小结150

第10章 TensorFlow数据的生成与读取151

10.1 TensorFlow的队列151

10.1.1队列的创建151

10.1.2线程同步与停止155

10.1.3队列中数据的读取156

10.2 CSV文件的创建与读取157

10.2.1 CSV文件的创建157

10.2.2 CSV文件的读取158

10.3 TensorFlow文件的创建与读取160

10.3.1 TFRecords文件的创建160

10.3.2 TFRecords文件的读取163

10.3.3图片文件的创建与读取164

10.4本章小结169

第11章 卷积神经网络的原理170

11.1卷积运算基本概念170

11.1.1卷积运算171

11.1.2 TensorFlow中卷积函数实现详解172

11.1.3使用卷积函数对图像感兴趣区域进行标注176

11.1.4池化运算178

11.1.5使用池化运算加强卷积特征提取180

11.2卷积神经网络的结构详解181

11.2.1卷积神经网络原理181

11.2.2卷积神经网络的应用实例——LeNet5网络结构184

11.2.3卷积神经网络的训练186

11.3 TensorFlow实现LeNet实例186

11.3.1 LeNet模型分解187

11.3.2使用ReLU激活函数替代Sigmoid191

11.3.3程序的重构——模块化设计195

11.3.4卷积核和隐藏层参数的修改199

11.4本章小结205

第12章 卷积神经网络公式的推导与应用206

12.1反馈神经网络算法206

12.1.1经典反馈神经网络正向与反向传播公式推导206

12.1.2卷积神经网络正向与反向传播公式推导209

12.2使用卷积神经网络分辨CIFAR-10数据集217

12.2.1 CIFAR-10数据集下载与介绍217

12.2.2 CIFAR-10模型的构建与数据处理219

12.2.3 CIFAR-10模型的细节描述与参数重构228

12.3本章小结229

第13章 猫狗大战——实战AlexNet图像识别230

13.1 AlexNet简介231

13.1.1 AlexNet模型解读231

13.1.2 AlexNet程序的实现234

13.2实战猫狗大战——AlexNet模型239

13.2.1数据的收集与处理240

13.2.2模型的训练与存储244

13.2.3使用训练过的模型预测图片250

13.2.4使用Batch Normalization正则化处理数据集257

13.3本章小结266