当前位置:首页 > 人工智能 > 深度学习电子书网盘下载
深度学习实践:计算机视觉 深度学习实践:计算机视觉
步印

步印 提供上传

资源
19
粉丝
14
喜欢
380
评论
17

    深度学习实践:计算机视觉 PDF 超清版

    深度学习电子书
    • 发布时间:

    给大家带来的一篇关于深度学习相关的电子书资源,介绍了关于深度学习、实践、计算机、视觉方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小114.2 MB,缪鹏编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.2,更多相关的学习资源可以参阅my.cnfStack)数据仓库数据map、等栏目。

  • 深度学习实践:计算机视觉 PDF 下载
  • 下载地址:https://pan.baidu.com/s/13TXd79V9QndZfeREkbWL_
  • 提取码:77m4
  • 深度学习实践:计算机视觉

    内容介绍

    这书关键详细介绍了深度学习在计算机视觉层面的运用及工程项目实践活动,以PHP 3为编程语言,并融合当今流行的深度学习框架开展案例展现。主题思想包含:OpenCV新手入门、深度学习框架详细介绍、图象归类、总体目标检验与鉴别、图像分割、图像搜索及其图象转化成等,涉及的深度学习框架包含PyTorch、TensorFlow、Keras、Chainer、MXNet等。根据这书,小读者可以知道深度学习在计算机视觉每个方位的运用及其*进度。 这书的特性是推动工业生产自然环境的社会经验,具有极强的应用性和专业能力。合适于广阔计算机视觉工程项目行业的从业人员、深度学习发烧友、有关技术专业的在校大学生和硕士研究生及其对计算机视觉很感兴趣的发烧友 应用。

    目录

    • 第1章  深度学习与计算机视觉1
    • 第2章  OpenCV入门16
    • 第3章  常见深度学习框架36
    • 第4章  图像分类82
    • 第5章  目标检测与识别128
    • 第6章  图像分割158
    • 第7章  图像搜索183
    • 第8章  图像生成218
    • 后记247 

    读书笔记

    Python编程深度学习计算库之numpy

    NumPy是python下的计算库,被非常广泛地应用,尤其是近来的深度学习的推广。在这篇文章中,将会介绍使用numpy进行一些最为基础的计算。

    NumPy vs SciPy

    NumPy和SciPy都可以进行运算,主要区别如下

    Python编程深度学习计算库之numpy

    最近比较热门的深度学习,比如在神经网络的算法,多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念,你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。

    安装

    liumiaocn:tmp liumiao$ pip install numpy
    Collecting numpy
     Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.7MB)
      100% |████████████████████████████████| 4.7MB 284kB/s 
    Installing collected packages: numpy
    Successfully installed numpy-1.14.5
    liumiaocn:tmp liumiao$

    确认

    liumiaocn:tmp liumiao$ pip show numpy
    Name: numpy
    Version: 1.14.5
    Summary: NumPy: array processing for numbers, strings, records, and objects.
    Home-page: http://www.numpy.org
    Author: Travis E. Oliphant et al.
    Author-email: None
    License: BSD
    Location: /usr/local/lib/python2.7/site-packages
    Requires: 
    Required-by: 
    liumiaocn:tmp liumiao$

    使用

    使用numpy的数组

    使用如下例子简单来理解一下numpy的数组的使用:

    liumiaocn:tmp liumiao$ cat np-1.py 
    #!/usr/local/bin/python
    import numpy as np
    arr = [1,2,3,4]
    print("array arr: ", arr)
    np_arr = np.array(arr)
    print("numpy array: ", np_arr)
    print("doulbe calc : ", 2 * np_arr)
    print("ndim: ", np_arr.ndim)
    liumiaocn:tmp liumiao$ python np-1.py 
    ('array arr: ', [1, 2, 3, 4])
    ('numpy array: ', array([1, 2, 3, 4]))
    ('doulbe calc : ', array([2, 4, 6, 8]))
    ('ndim: ', 1)
    liumiaocn:tmp liumiao$

    多维数组&ndim/shape

    ndim在numpy中指的是数组的维度,如果是2维值则为2,在下面的例子中构造一个步进为2的等差数列,然后将其进行维度的转换同时输出数组的ndim和shape的值以辅助对于ndim和shape含义的理解。

    liumiaocn:tmp liumiao$ cat np-2.py 
    #!/usr/local/bin/python
    import numpy as np
    arithmetic = np.arange(0,16,2)
    print(arithmetic)
    print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)
    #resize to 2*4 2-dim array
    arithmetic.resize(2,4)
    print(arithmetic)
    print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)
    #resize to 2*2*2 3-dim array
    array = arithmetic.resize(2,2,2)
    print(arithmetic)
    print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)
    liumiaocn:tmp liumiao$ python np-2.py 
    [ 0 2 4 6 8 10 12 14]
    ('ndim: ', 1, ' shape:', (8,))
    [[ 0 2 4 6]
     [ 8 10 12 14]]
    ('ndim: ', 2, ' shape:', (2, 4))
    [[[ 0 2]
     [ 4 6]]
     [[ 8 10]
     [12 14]]]
    ('ndim: ', 3, ' shape:', (2, 2, 2))
    liumiaocn:tmp liumiao$ 

    另外也可以使用reshape进行维度的调整。

    等差数列&等比数列

    numpy和matlab写起来有很多函数基本一样,比如等比数列和等差数列可以使用linspace和logspace进行。

    Python编程深度学习计算库之numpy

    logspace缺省的时候指的是以10给底,但是可以通过指定base进行设定

    liumiaocn:tmp liumiao$ cat np-3.py 
    #!/usr/local/bin/python
    import numpy as np
    print("np.linspace(1,4,4):", np.linspace(1,4,4))
    print("np.logspace(1,4,4):", np.logspace(1,4,4))
    print("np.logspace(1,4,4,base=2):",np.logspace(1,4,4,base=2))
    liumiaocn:tmp liumiao$ python np-3.py 
    ('np.linspace(1,4,4):', array([1., 2., 3., 4.]))
    ('np.logspace(1,4,4):', array([  10.,  100., 1000., 10000.]))
    ('np.logspace(1,4,4,base=2):', array([ 2., 4., 8., 16.]))
    liumiaocn:tmp liumiao$

    数组初始化

    numpy提供了很方便的初始化的函数,比如

    Python编程深度学习计算库之numpy

    liumiaocn:tmp liumiao$ cat np-4.py 
    #!/usr/local/bin/python
    import numpy as np
    print("np.zeros(6):",np.zeros(6))
    print("np.zeros((2,3)):",np.zeros((2,3)))
    print("np.ones(6):",np.ones(6))
    print("np.ones((2,3)):",np.ones((2,3)))
    print("np.random.random(6):",np.random.random(6))
    print("np.random.random(6):",np.random.random(6))
    print("np.random.random((2,3)):",np.random.random((2,3)))
    print("np.random.seed(1234)")
    np.random.seed(1234)
    print("np.random.random(6):",np.random.random(6))
    print("np.random.seed(1234)")
    np.random.seed(1234)
    print("np.random.random(6):",np.random.random(6))
    liumiaocn:tmp liumiao$ python np-4.py 
    ('np.zeros(6):', array([0., 0., 0., 0., 0., 0.]))
    ('np.zeros((2,3)):', array([[0., 0., 0.],
        [0., 0., 0.]]))
    ('np.ones(6):', array([1., 1., 1., 1., 1., 1.]))
    ('np.ones((2,3)):', array([[1., 1., 1.],
        [1., 1., 1.]]))
    ('np.random.random(6):', array([0.06909968, 0.27468844, 0.59127996, 0.56973602, 0.45985047,
        0.95384945]))
    ('np.random.random(6):', array([0.62996648, 0.2824114 , 0.2698051 , 0.09262053, 0.50862503,
        0.96600255]))
    ('np.random.random((2,3)):', array([[0.66880129, 0.8834006 , 0.49458989],
        [0.28335563, 0.65711274, 0.76726504]]))
    np.random.seed(1234)
    ('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581,
        0.27259261]))
    np.random.seed(1234)
    ('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581,
        0.27259261]))
    liumiaocn:tmp liumiao$

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对码农之家的支持。如果你想了解更多相关内容请查看下面相关链接

    上一篇:Android Telephony原理解析与开发指南  下一篇:Node.js实战

    展开 +

    收起 -

     
    深度学习 相关内容
    深度学习之PyTorch实战计算机视觉

    计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向,本书旨在帮助零基础或基础较为薄弱的读者入门深度学习,达到能够独立使用深度学习知识处理计算机视觉问

    查看详情
    Python深度学习

    人工智能机器学习经典教程 用Python Keras TensorFlow进行深度学习的探索实践 Keras之父 谷歌人工智能研究员执笔 深度学习领域力作

    查看详情
    深度学习:一起玩转TensorLayer

    本书介绍了人工神经网络的基本知识,着重讲解了深度学习的一些新的技术,以通俗易懂的方式讲解深度学习技术,包含多层感知器、卷积网络、递归网络及增强学习等,面向深度学习初学者、

    查看详情
    21个项目玩转深度学习

    以实践为导向,深入介绍了深度学习技术和TensorFlow框架编程内容,包含图像识别、人脸识别、编写风格迁移应用、使用神经网络生成图像和文本、训练机器玩游戏等,使学习深度学习和TensorF

    查看详情
    图解深度学习与神经网络

    本书是以TensorFlow 为工具介绍神经网络和深度学习的入门书,内容循序渐进,以简单示例和图例的形式,展示神经网络和深度学习背后的数学基础原理,帮助读者更好地理解复杂抽象的公式。

    查看详情
    推荐系统与深度学习

    腾讯技术大牛经验总结 免费提供配套源程序下载 本书除了在算法层面讲解推荐系统的实现 还从工程层面详细阐述推荐系统如何搭建

    查看详情
    Web安全之深度学习实战

    本书师零基础学习智能化Web安全技术、AI+安全力作,先介绍如何打造自己的TensorFlow、TFLearn等深度学习工具箱,着重介绍在生产环境搭建深度学习平台需要使用的开源组件,讲解了11个使用机器学习技术解决实际安全问题的案例

    查看详情
    《深度学习实践:计算机视觉》学习笔记
    网友NO.692225

    《Python深度学习》书评、读书笔记

    读者评价一 现阶段最浅显易懂的深度学习新手入门书,由Keras鼻祖落笔。高手不仅技术性能得,文采都不通常,确实就是说以便让尽量多的人可以应用深度学习而写的这这书,包含了深度学习的基本知识、Keras应用方式及其深度学习最好实践活动。 学习培训这书必须具有基本的PHP专业知识,但不用深度学习或是深度学习工作经验,也不用深奥的数学知识,高中数学水准得以看懂这书。 读者评价二 这这书从6月12号那一天老总递到我手上,到今日恰好六周,你在期内我逐字逐句地啃了这这书,并在每星期的星期二和星期五中午给组里的别人讲这这书,每一次讲3个钟头。直至5分钟前不久说完最终一章,写了180页的幻灯片。 感受从何说起呢?先讲Keras吧,这这书的创作者是Keras的创作者,因此这书主要详细介绍Keras在deeplearning中的各种各样使用方法。Keras容易入门,觉得用Keras写deeplearning的编码就跟用PHP相同,能够便捷地把想起的物品用几行编码表达。例如今日想写个convnet+fullyconnectedlayer的model归类一下下MNIST,要是用TensorFlow得话将会要前因后果写许多编码,可是用Keras得话要是不上十行就拿下了,随后就能够跑了,就跟跑HelloWorld相同简易。当你要来个transferlearning,那也非常简单,Keras有许多训炼好的model,立即load1个,再在其上……

    网友NO.732211

    python开启摄像头以及深度学习实现目标检测方法

    最近想做实时目标检测,需要用到python开启摄像头,我手上只有两个uvc免驱的摄像头,性能一般。利用python开启摄像头费了一番功夫,主要原因是我的摄像头都不能用cv2的VideCapture打开,这让我联想到原来opencv也打不开Android手机上的摄像头(后来采用QML的Camera模块实现的)。看来opencv对于摄像头的兼容性仍然不是很完善。 我尝了几种办法:v4l2,v4l2_capture以及simpleCV,都打不开。最后采用pygame实现了摄像头的采集功能,这里直接给大家分享具体实现代码(python3.6,cv2,opencv3.3,ubuntu16.04)。中间注释的部分是我上述方法打开摄像头的尝试,说不定有适合自己的。 import pygame.cameraimport timeimport pygameimport cv2import numpy as np def surface_to_string(surface): """convert pygame surface into string""" return pygame.image.tostring(surface, 'RGB') def pygame_to_cvimage(surface): """conver pygame surface into cvimage""" #cv_image = np.zeros(surface.get_size, np.uint8, 3) image_string = surface_to_string(surface) image_np = np.fromstring(image_string, np.uint8).reshape(480, 640, 3) frame = cv2.cvtColor(image_np, cv2.COLOR_BGR2RGB) return image_np, frame pygame.camera.init()pygame.camera.list_cameras()cam = pygame.camera.Camera("/dev/video0", [640, 480]) cam.start()time.sleep(0.1)screen = pygame.display.set_mode([640, 480]) while True: image = cam.get_image() cv_image, frame = pygame_to_cvimage(image)……

    网友NO.647741

    Dlib+OpenCV深度学习人脸识别的方法示例

    前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上,这个识别率确实非常高了,但是真实的环境中的准确率有多少呢?我没有这方面的数据,但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能,但是我们可以仔细想想员工人脸识别管理,海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要,打个比方说员工上班的时候刷脸如果失败了会怎样,是不是重新识别一下,如果还是误识别,或是识别不出,是不是就干脆刷卡或是其他方式登记上班,然后骂一句他娘的,本人那么帅居然没识别出来!那银行柜员机上人脸识别系统呢,你看它敢不敢让你连密码也不输直接刷脸转账,是不是关掉了人脸识别、指纹识别机器还可以正常运作。所以说真实环境中在各种光照因素、年龄因素、网红因素(化妆)、甚至是作弊因素等各种因素条件下的识别率有多少只有产品厂家自己知道,我相信每个厂家针对这些情况都有做优化,比如外围硬件的辅助,针对特定场景的各种约束等等,通过各个厂家自己在各个方面对系统的优化,是可以提升自身产品的综合体验的。 前面扯远了,本文的目的是……

    网友NO.217846

    Python编程深度学习计算库之numpy

    NumPy是python下的计算库,被非常广泛地应用,尤其是近来的深度学习的推广。在这篇文章中,将会介绍使用numpy进行一些最为基础的计算。 NumPy vs SciPy NumPy和SciPy都可以进行运算,主要区别如下 最近比较热门的深度学习,比如在神经网络的算法,多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念,你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。 安装 liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.7MB) 100% |████████████████████████████████| 4.7MB 284kB/s Installing collected packages: numpySuccessfully installed numpy-1.14.5liumiaocn:tmp liumiao$ 确认 liumiaocn:tmp liumiao$ pip show numpyName: numpyVersion: 1.14.5Summary: NumPy: array processing for numbers, strings, records, and objects.Home-page: http://www.numpy.orgAuthor: Travis E. Oliphant et al.Author-email: NoneLicense: BSDLocation: /usr/local/lib/python2.7/site-packagesRequires: Required-by: liumiaocn:tmp liumiao$ 使用 使用numpy的数组 使用如下例子简单来理解一下numpy的数组的使用:……

    Copyright 2018-2020 xz577.com 码农之家

    本站所有电子书资源不再提供下载地址,只分享来路

    免责声明:网站所有作品均由会员网上搜集共同更新,仅供读者预览及学习交流使用,下载后请24小时内删除

    版权投诉 / 书籍推广 / 赞助:QQ:520161757