新書推薦：
《
怦然心动的人生整理魔法·实践解惑篇2025版 修订本
》
售價：HK$
254
《
修剪情绪藤蔓
》
售價：HK$
357
《
3秒下单文案：4步成交法则
》
售價：HK$
305
《
中式园林的秩序（文津图书奖得主朱良志教授的园林美学新作，在园林里读懂中国人的生命哲学）
》
售價：HK$
449
《
魏晋之变：门阀政治与中古中国社会秩序的重塑
》
售價：HK$
449
《
诈骗社会学：谎言与信任的攻防
》
售價：HK$
296
《
怪诞行为学·漫画版——管好零花钱
》
售價：HK$
214
《
甲子园 高校棒球100年与近现代日本
》
售價：HK$
301
|
| 編輯推薦： |
|
本书作者和参与多个国内外大中型项目的设计和研发，具有丰富的架构设计、管理和运营经验，具备良好的战略能力、组织管理能力及专业的流程管理和项目管理技能。本书融合项目实践与开发原理于一体，以项目实践作为主线贯穿其中。本书提供了完整的项目案例，通过项目使读者能够快速掌握机器视觉开发中最核心的组件，包括：机器视觉概述、图像与机器视觉系统、图像数据采集和标注、图像特征提取、光学字符识别、图像分类识别、目标检测识别、机器视觉云服务等。本书既可以作为初学机器视觉开发技术的基础教程，对已经掌握了部分机器视觉基础知识的读者亦可起到画龙点睛的作用。本教材内容从简到难，覆盖面广，一些内容具有一定的深度，适用面较广，适合于作为计算机及其相关专业教学用书，也可用于其它理工科专业的计算机教学参考书。
|
| 內容簡介： |
|
本书是学习机器视觉的基础教材，采用“项目驱动”的教学模式，通过完整的智能分拣项目案例，系统地介绍使用机器视觉进行应用开发的方法和技术。全书共10章，主要讲解机器视觉、机器视觉智能分拣实训平台、图像与机器视觉系统、图像数据结构和标注、图像特征提取、光学字符识别、图像分类识别、目标检测与识别、人脸识别、机器视觉云服务等。本书注重理论与实践相结合，内容详尽，与时俱进。本书提供了大量实例，突出应用能力的培养，并将一个实际项目的知识点分解在各章作为案例讲解，是一本实践性突出的教材。本书适合作为高等学校计算机相关专业的教材，也可供从事机器视觉研究与开发的专业人员参考使用。
|
| 關於作者： |
|
梁立新，和参与多个国内外大中型项目的设计和研发，具有丰富的架构设计、管理和运营经验，具备良好的战略能力、组织管理能力及专业的流程管理和项目管理技能。在教学科研方面，率先在德国维尔兹堡应用技术大学和深圳技术大学分别开展全英文授课，在2019年“华为云杯”深圳开放数据应用创新大赛中获得二等奖（第三名），和承担多个省部级、校级和横向科研项目，获得一系列发明专利、论文和软件著作权。在学术成就方面，作为主审和作者与高等学校计算机科学与技术教学指导委员会及高校和企业研发出“高等院校项目驱动案例实践系列教材”并由清华大学出版社出版，受到读者广泛好评。
|
| 目錄：
|
目录
第1章机器视觉1
1.1机器视觉的历史1
1.2机器视觉的研究范畴3
1.3机器视觉的发展和展望5
1.4本书结构6
1.5本章小结7
习题17
第2章机器视觉智能分拣实训平台8
2.1智能分拣实训平台的基本介绍8
2.2智能分拣实训平台的硬件设备10
2.2.1机械臂10
2.2.2边缘计算主机10
2.2.3高清摄像头13
2.3智能分拣实训平台的软件系统14
2.4系统的综合演示16
2.4.1设备启动16
2.4.2机械臂启动16
2.4.3启动分拣程序16
2.5本章小结19
习题219
第3章图像与机器视觉系统20
3.1图像处理基础20
3.1.1色彩空间20
3.1.2图像滤波24
3.1.3图像分割27
3.1.4图像特征提取27
3.1.5目标识别31
3.1.6图像运算34
3.2机器视觉系统383.2.1机器视觉系统简介38
3.2.2机器视觉系统的发展历程39
3.2.3机器视觉系统的特点40
3.2.4机器视觉系统构成40
3.3机器视觉工具41
3.3.1OpenCV41
3.3.2图像数据结构42
3.3.3OpenCV基本画图函数46
3.4环境部署与软件安装48
3.4.1安装Python48
3.4.2安装pip（Python包管理器）49
3.4.3安装Numpy49
3.4.4安装OpenCV50
3.4.5OpenCV环境测试50
3.5OpenCV完成数据采集和存取50
3.5.1通过OpenCV录制视频50
3.5.2通过OpenCV读取视频53
3.5.3图像读取与保存54
3.6应用案例: 图像数据采集57
3.6.1算法原理57
3.6.2关键代码57
3.6.3工程运行58
3.7本章小结60
习题360
第4章图像数据结构和标注61
4.1图像数据结构61
4.1.1图像的数字化61
4.1.2数字图像的存储格式63
4.2图像文件处理73
4.2.1图像显示74
4.2.2图像读取76
4.2.3图像保存78
4.2.4视频处理80
4.3图像标注介绍83
4.3.1数据标注简介84
4.3.2数据预处理844.3.3图像数据标注91
4.3.4数据标注管理95
4.4应用案例: 智能分拣图像数据标注操作97
4.4.1图像数据标注工具介绍97
4.4.2应用案例: 使用LabelImg完成智能分拣图像数据标注98
4.4.3应用案例: 图片数据预处理101
4.5应用案例: 图像标记104
4.5.1算法原理104
4.5.2关键代码105
4.5.3工程运行109
4.6本章小结111
习题4111
第5章图像特征提取112
5.1图像变换112
5.1.1图像仿射变换113
5.1.2图像透射变换115
5.1.3图像重映射变换117
5.1.4Hough（霍夫）变换118
5.2图像边缘检测121
5.2.1Prewitt边缘检测121
5.2.2Sobel边缘检测123
5.2.3Scharr边缘检测124
5.2.4Canny边缘检测125
5.3图像分割133
5.3.1图像二值化134
5.3.2基于二值化的图像分割实现140
5.3.3区域生长142
5.3.4分水岭算法148
5.3.5GrabCut交互式分割150
5.4数学形态学152
5.4.1腐蚀153
5.4.2膨胀153
5.4.3开运算154
5.4.4闭运算154
5.4.5形态学梯度154
5.4.6形态学检测边缘1555.5应用案例155
5.5.1应用案例1: 图像变换155
5.5.2应用案例2: 形态学变换164
5.5.3应用案例3: 图像特征提取174
5.6本章小结186
习题5187
第6章光学字符识别188
6.1光学字符识别概述188
6.1.1光学字符识别分类188
6.1.2OCR的发展189
6.1.3光学字符识别应用场景190
6.1.4光学字符识别的优缺点192
6.1.5光学字符识别算法193
6.2图像直方图194
6.2.1绘制灰度直方图194
6.2.2绘制彩色直方图198
6.2.3直方图正规化203
6.2.4直方图均衡化205
6.2.5利用直方图进行图像分割207
6.3Sobel边缘算子208
6.3.1Sobel边缘算子简介209
6.3.2Sobel边缘算子常见应用场景210
6.3.3Sobel边缘算子的数学原理和应用210
6.4图像模板匹配214
6.4.1图像模板匹配简介214
6.4.2常见的匹配算法216
6.4.3模板匹配应用219
6.5应用案例: 基于模式匹配的光学字符识别221
6.6本章小结230
习题6230
第7章图像分类识别231
7.1深度学习概述231
7.1.1神经元232
7.1.2激活函数234
7.1.3神经网络2377.1.4损失函数和反向传播算法238
7.1.5优化策略240
7.2卷积神经网络243
7.2.1卷积运算244
7.2.2卷积神经网络的基本组件245
7.2.3卷积神经网络示例249
7.3深度学习框架介绍256
7.3.1PyTorch257
7.3.2TensorFlow259
7.3.3Keras264
7.3.43个框架对比265
7.3.5图像识别基本流程267
7.4迁移学习介绍268
7.4.1迁移学习简介268
7.4.2传统机器学习与迁移学习271
7.4.3迁移学习用法271
7.4.4迁移学习的分类272
7.5应用案例276
7.5.1应用案例1: 手写字识别应用276
7.5.2应用案例2: 基于深度学习的54类的图像分类281
7.6本章小结290
习题7291
第8章目标检测与识别292
8.1概述292
8.2传统目标检测算法介绍296
8.2.1区域选择296
8.2.2特征提取298
8.2.3分类器308
8.2.4目标跟踪313
8.2.5目标检测数据集317
8.3深度学习目标检测框架320
8.3.1基于FasterRCNN的目标分类320
8.3.2基于SSD模型的目标检测321
8.3.3YOLO目标检测算法325
8.4应用案例: 基于YOLO的汉字分拣目标检测328
8.4.1算法原理3288.4.2关键代码328
8.4.3工程运行331
8.5本章小结332
习题8332
第9章人脸识别333
9.1人脸识别原理333
9.1.1人脸识别技术发展历程333
9.1.2人脸识别技术的分类及特点337
9.1.3人脸识别技术的安全与隐私问题340
9.2人脸检测与人数统计技术342
9.2.1人脸检测技术原理及常见算法342
9.2.2人数统计技术原理及应用场景346
9.3人脸识别技术350
9.3.1人脸特征提取技术350
9.3.2人脸识别算法分类及优缺点比较352
9.3.3人脸对比技术353
9.4应用案例355
9.4.1应用案例1: 人脸检测355
9.4.2应用案例2: 人脸属性359
9.4.3应用案例3: 人脸识别364
9.5本章小结377
习题9377
第10章机器视觉云服务378
10.1概述378
10.2基于百度云服务的数字识别379
10.3基于百度云服务的图像分类383
10.4基于百度云服务的人物特征识别387
10.4.1百度人脸识别388
10.4.2百度云人体分析394
10.5应用案例: 基于百度云服务的车型识别399
10.6本章小结419
习题10420
附录A系统配置421
A.1系统网络配置421A.2系统音频配置425
A.3智云网关配置427
A.4无线节点配置428
A.5启动应用案例431
附录BGW3399边缘计算网关连接434
B.1通过SSH连接434
B.2上传、下载文件到实验平台436
B.3通过VNC连接441
|
| 內容試閱：
|
前言
21世纪，什么技术将影响人类的生活？什么产业将决定国家的发展？信息技术与信息产业是首选的答案。高等学校学生是企业和政府的后备军，国家门计划在高等学校中普及政府和企业信息技术与软件工程教育。经过多所院校的实践，信息技术与软件工程教育受到学生的普遍欢迎，并取得了很好的教学效果。然而，也存在一些不容忽视的共性问题，其中突出的是教材问题。
从近几年信息技术与软件工程教育研究看，许多任课教师提出目前教材不合适。具体体现在: 优质，来自信息技术与软件工程专业的术语很多，没有这些知识背景的学生学习起来具有一定难度；第二，书中案例比较匮乏，与企业的实际情况相差太远，致使案例可参考性差；第三，缺乏具体的课程实践指导和真实项目。因此，针对高等学校信息技术与软件工程课程教学特点与需求，编写适用的规范化教材已刻不容缓。
本书就是针对以上问题编写的，作者希望推广一种最有效的学习途径，这就是ProjectDriven Learning，即用项目实践带动理论的学习（或者叫作“做中学”）。基于此，作者围绕一个真实项目案例贯穿机器视觉各个模块的理论讲解， 包括机器视觉、机器视觉智能分拣实训平台、图像与机器视觉系统、图像数据结构和标注、图像特征提取、光学字符识别、图像分类识别、目标检测与识别、人脸识别、机器视觉云服务等。通过项目实践，读者可以对技术应用有明确的目的性（为什么学），对技术原理更好地融会贯通（学什么），也可以更好地检验学习效果（学得怎样）。
本书特色:
1. 重项目实践
作者多年项目开发经验的体会是“IT是做出来的，不是想出来的”，理论虽然重要，但一定要为实践服务。以项目为主线来带动理论的学习是、最快、最有效的方法。通过此书，作者希望读者对机器视觉技术有一个整体了解，减少对项目的盲目感和神秘感，能根据本书的体系循序渐进地动手做出自己的真实项目。
2. 重理论要点
本书以项目实践为主线，着重介绍机器视觉理论中最重要、最精华的部分，〖2〗以及它们之间的融会贯通；而不是面面俱到，没有重点和特色。读者首先通过项目把握整体概貌，再深入局部细节，系统学习理论；然后不断优化和扩展细节，完善整体框架和改进项目。本书既有整体框架，又有重点理论和技术。一书在手，思路清晰，项目无忧。
为了便于教学，本书配有教学课件，读者可从清华大学出版社的网站下载。
本书优质作者梁立新的工作单位为深圳技术大学，本书获得深圳技术大学的大力支持和教材出版资助，欧楚怡、陈俊鹏、刘梓濠等参与了教材的编写工作，在此表示感谢。
限于作者水平，书中难免有不足之处，敬请广大读者批评指正。
书中彩图请扫下面二维码获取。
梁立新2025年6月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
