2017-12-18 15:08:00 wy005002 阅读数 1685
  • 基于深度学习的计算机视觉:原理与实践(上部)

    本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。 基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。 本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。 本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。 本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。

    3548 人正在学习 去看看 白勇

opencv2计算机视觉编程手册(中文).pdf高清电子版,非常好的资料,需要的可以下载使用!

下载地址:http://download.csdn.net/download/a5820736/7568253?utm_source=blogseo

OpenCV2计算机视觉编程手册是一本循序渐进的计算机视觉指导手册,给予OpenCV2代码库中包含高级特性的C++接口。本书介绍了OpenCV2中众多的视觉算法。你将学会如何读、写、创建及操作图像,领略图像分析中常用的技术,并了解如何使用C++高效实现。

本书以案例的形式介绍OpenCV 2.X的新特性和C++新接口,案例中包含具体的代码与详细的说明。本书很好地平衡了基础知识与进阶内容,要求读者具有基础的C++知识。

本书既适合想要学习计算机视觉的C++初学者,也适合专业的软件开发人员。可作为高等院校计算机视觉课程的辅助教材,也可以作为图像处理和计算机视觉领域研究人员的参考手册。

OpenCV2计算机视觉编程手册目录

第 1 章接触图像
第 2 章操作像素
第 3 章基于类的图像处理
第 4 章使用直方图统计像素
第 5 章基于形态学运算的图像变换
第 6 章图像滤波
第 7 章提取直线、轮廓及连通区域
第 8 章检测并匹配兴趣点
第 9 章估算图像间的投影关系
第 10 章处理视频序列

2019-06-30 15:55:16 weixin_42989738 阅读数 91
  • 基于深度学习的计算机视觉:原理与实践(上部)

    本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。 基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。 本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。 本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。 本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。

    3548 人正在学习 去看看 白勇

Python 计算机视觉

在这里插入图片描述
在这里插入图片描述
from PIL import Image # Image是PIL中比较重要的一个 模块
im=Image.open(‘F:\Desktop\今日须看\代码\Python-master\back_image.bmp’)
imshow(im)
在这里插入图片描述
from PIL import Image # Image是PIL中比较重要的一个 模块
im=Image.open(‘F:\Desktop\今日须看\代码\Python-master\back_image.bmp’)
imshow(im)
box = (100,100,400,400)
region = pil_im.crop(box) # 复制大小
out = pil_im.resize((128,128)) # 调整尺寸
out = pil_im.rotate(360) # 旋转
imshow(out)
在这里插入图片描述
在这里插入图片描述
x = [100,100,400,400]
y = [200,500,200,500]

title(‘hello world’)
plot(x,y)
axis(‘off’) # 是否打开坐标轴
axis(‘on’)
在这里插入图片描述
在这里插入图片描述

2.numpy相关知识

im = array(Image.open(‘F:\Desktop\今日须看\代码\Python-master\back_image.bmp’))
print(im.shape, im.dtype)# 查看像素大小和内存大小


imshow(im)
from PIL import Image
from numpy import *
im = array(Image.open(‘F:\Desktop\今日须看\代码\Python-master\back_image.bmp’).convert(‘L’))
im2 = 255 - im # 对图像进行反相处理
imshow(im)
figure()
imshow(im2)
figure()
im3 = (100.0/255) * im + 100# 将图像像素值变换到100…200 区间
imshow(im3)
figure()
im4 = 255.0 * (im/255.0)**2 # 对图像像素值求平方后得到的图像
imshow(im4)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

没有更多推荐了,返回首页