书目信息 |
| 题名： |
计算机视觉入门到实践
|
|
| 作者： | 达和奇 著 ；谭励 ， 连晓峰 译 | |
| 分册： | ||
| 出版信息： | 北京 机械工业出版社 2020.11 |
|
| 页数： | X, 182页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP302.7 | |
| 科图分类： | ||
| 主题词： | 计算机视觉--ji suan ji shi jue | |
| 电子资源： | ||
| ISBN： | 978-7-111-66229-7 | |
| 000 | 01650nam0 2200289 450 | |
| 001 | CAL 0120203111722 | |
| 010 | @a978-7-111-66229-7@dCNY69.00 | |
| 100 | @a20210925d2020 em y0chiy50 ea | |
| 101 | 1 | @achi@cinc |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 106 | @ar | |
| 200 | 1 | @a计算机视觉入门到实践@Aji suan ji shi jue ru men dao shi jian@f(印) 阿布辛纳夫·达和奇著@g连晓峰, 谭励等译 |
| 210 | @a北京@c机械工业出版社@d2020.11 | |
| 215 | @aX, 182页@c图@d24cm | |
| 306 | @a由Packt Publishing Ltd授权出版 | |
| 312 | @a英文题名取自版权页 | |
| 314 | @a阿布辛纳夫·达和奇, 是东京ABEJA公司的一名深度学习方面的研究以及应用开发人员。连晓峰, 博士, 北京理工大学模式识别与智能系统专业毕业。现任北京工商大学副教授, 研究生导师。 | |
| 330 | @a本书是你了解计算机视觉的一站式指南。利用Python、TensorFlow、Keras和OpenCV的功能执行图像处理、对象检测、特征检测等项目。通过对卷积神经网络的介绍, 你将学习如何使用Keras构建深度神经网络, 以及如何使用它对Fashion-MNIST数据集进行分类。关于对象检测, 你将学习到使用TensorFlow实现简单的面部检测器, 以及复杂的基于深度学习的对象检测器 (例如FasterR-CNN和SSD) 的工作原理。你也将学会使用FCN模型进行语义分割, 并使用DeepSORT跟踪对象。不仅如此, 你还将学习到在标准数据集上使用视觉SLAM (vSLAM) 技术, 例如ORB-SLAM。 | |
| 510 | 1 | @aPractical computer vision: extract insightful information from images using tensorflow, keras, and opencv@zeng |
| 606 | 0 | @a计算机视觉@Aji suan ji shi jue |
| 690 | @aTP302.7@v5 | |
| 701 | 1 | @a达和奇@Ada he qi@g(Dadhich, Abhinav)@4著 |
| 702 | 0 | @a谭励@Atan li@4译 |
| 702 | 0 | @a连晓峰@Alian xiao feng@4译 |
| 801 | 0 | @aCN@c20210925 |
| 905 | @a河南城建学院图书馆@dTP302.7@eD004@f2 | |
| 计算机视觉入门到实践/(印) 阿布辛纳夫·达和奇著/连晓峰, 谭励等译.-北京：机械工业出版社，2020.11 |
| X, 182页：图；24cm |
| ISBN 978-7-111-66229-7：CNY69.00 |
| 本书是你了解计算机视觉的一站式指南。利用Python、TensorFlow、Keras和OpenCV的功能执行图像处理、对象检测、特征检测等项目。通过对卷积神经网络的介绍, 你将学习如何使用Keras构建深度神经网络, 以及如何使用它对Fashion-MNIST数据集进行分类。关于对象检测, 你将学习到使用TensorFlow实现简单的面部检测器, 以及复杂的基于深度学习的对象检测器 (例如FasterR-CNN和SSD) 的工作原理。你也将学会使用FCN模型进行语义分割, 并使用DeepSORT跟踪对象。不仅如此, 你还将学习到在标准数据集上使用视觉SLAM (vSLAM) 技术, 例如ORB-SLAM。 |
| ● |
| 相关链接 |
|
|
|
正题名：计算机视觉入门到实践
索取号：TP302.7/D004
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1528667 | 215286679 | 自科库301/301自科库 101排5列3层/ [索取号:TP302.7/D004] | 在馆 | |
| 2 | 1528668 | 215286688 | 自科库301/301自科库 101排5列3层/ [索取号:TP302.7/D004] | 在馆 |