最新章節

• 封底
• 參考文獻
• 28.4 年齡和性別識別
• 28.3 易容術
• 28.2 駕駛員疲勞檢測
• 28.1 表情識別

• 封底 更新時間：2024-02-27 15:49:39
• 參考文獻
• 28.4 年齡和性別識別
• 28.3 易容術
• 28.2 駕駛員疲勞檢測
• 28.1 表情識別
• 第28章 人臉識別應用案例
• 27.5 調用CNN實現人臉檢測
• 27.4 人臉對齊
• 27.3 勾勒五官輪廓
• 27.2 繪制關鍵點
• 27.1 定位人臉
• 第27章 dlib庫
• 26.5 人臉數據庫
• 26.4 FisherFaces人臉識別
• 26.3 EigenFaces人臉識別
• 26.2 LBPH人臉識別
• 26.1 人臉識別基礎
• 第26章 人臉識別
• 25.5 表情檢測
• 25.4 人臉檢測實現
• 25.3 函數介紹
• 25.2 級聯分類器的使用
• 25.1 基本原理
• 第25章 人臉檢測
• 第5部分 人臉識別篇
• 24.6 說明
• 24.5 姿勢識別
• 24.4 風格遷移
• 24.3 圖像分割
• 24.2 目標檢測
• 24.1 圖像分類
• 第24章 深度學習應用實踐
• 23.4 推理相關函數
• 23.3 圖像預處理
• 23.2 模型導入
• 23.1 工作流程
• 第23章 DNN模塊
• 22.7 CNN
• 22.6 預處理與初始化
• 22.5 感受野
• 22.4 池化操作
• 22.3 填充和步長
• 22.2 卷積原理
• 22.1 卷積基礎
• 第22章 卷積神經網絡基礎
• 21.7 深度學習游樂場
• 21.6 學習的技能與方法
• 21.5 損失函數
• 21.4 激活函數的分類
• 21.3 深度學習是什么
• 21.2 人工神經網絡如何學習
• 21.1 從感知機到人工神經網絡
• 第21章 深度學習導讀
• 第4部分 深度學習篇
• 20.3 藝術畫
• 20.2 K均值聚類模塊
• 20.1 理論基礎
• 第20章 K均值聚類實現藝術畫
• 19.5 參考學習
• 19.4 完整程序
• 19.3 函數detectMultiScale參數及優化
• 19.2 基礎實現
• 19.1 方向梯度直方圖特征
• 第19章 行人檢測
• 18.7 參考學習
• 18.6 實現程序
• 18.5 構造及使用SVM分類器
• 18.4 數據處理
• 18.3 HOG特征提取
• 18.2 傾斜校正
• 18.1 基本流程
• 第18章 SVM數字識別
• 17.8 擴展學習
• 17.7 實現程序
• 17.6 繪制數獨求解結果
• 17.5 求解數獨
• 17.4 識別數獨圖像內的數字
• 17.3 構造KNN模型
• 17.2 定位數獨圖像內的單元格
• 17.1 基本過程
• 第17章 求解數獨圖像
• 16.2 英文字母識別
• 16.1 手寫數字識別
• 第16章 KNN實現字符識別
• 15.4 OpenCV機器學習模塊的使用
• 15.3 OpenCV中的機器學習模塊
• 15.2 機器學習基礎概念
• 15.1 機器學習是什么
• 第15章 機器學習導讀
• 第3部分 機器學習篇
• 14.4 基于SIFT的指紋識別
• 14.3 尺度不變特征變換
• 14.2 指紋識別算法概述
• 14.1 指紋識別基本原理
• 第14章 指紋識別
• 13.3 下一步學習
• 13.2 實現程序
• 13.1 基本原理
• 第13章 車牌識別
• 12.4 擴展閱讀
• 12.3 實現程序
• 12.2 實現細節
• 12.1 基本原理
• 第12章 手寫數字識別
• 11.3 擴展學習
• 11.2 實現程序
• 11.1 原理與實現
• 第11章 以圖搜圖
• 10.2 視頻隱身術
• 10.1 圖像的隱身術
• 第10章 隱身術
• 9.3 整張答題卡識別程序
• 9.2 整張答題卡識別原理
• 9.1 單道題目的識別
• 第9章 答題卡識別
• 8.3 擴展學習：石頭、剪刀、布的識別
• 8.2 識別過程
• 8.1 理論基礎
• 第8章 手勢識別
• 7.3 實現程序
• 7.2 程序設計
• 7.1 理論基礎
• 第7章 缺陷檢測
• 6.4 實現程序
• 6.3 程序設計
• 6.2 核心程序
• 6.1 理論基礎
• 第6章 物體計數
• 5.6 擴展學習
• 5.5 可視化水印
• 5.4 具體實現
• 5.3 實現方法
• 5.2 數字水印原理
• 5.1 位平面
• 第5章 數字水印
• 4.3 臉部打碼及解碼
• 4.2 圖像整體加密與解密
• 4.1 加密與解密原理
• 第4章 圖像加密與解密
• 第2部分 基礎案例篇
• 3.7 形態學
• 3.6 濾波處理
• 3.5 色彩處理
• 3.4 掩模
• 3.3 感興趣區域
• 3.2 圖像處理
• 3.1 基礎
• 第3章 OpenCV基礎
• 2.7 模塊
• 2.6 函數
• 2.5 循環結構
• 2.4 選擇結構
• 2.3 數據類型
• 2.2 基礎語法
• 2.1 如何開始
• 第2章 Python基礎
• 1.5 抽象
• 1.4 智能圖像處理基礎
• 1.3 應用基礎
• 1.2 彩色圖像的表示
• 1.1 圖像表示基礎
• 第1章 數字圖像基礎
• 第1部分 基礎知識導讀篇
• 前言
• 內容簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 內容簡介
• 前言
• 第1部分 基礎知識導讀篇
• 第1章 數字圖像基礎
• 1.1 圖像表示基礎
• 1.2 彩色圖像的表示
• 1.3 應用基礎
• 1.4 智能圖像處理基礎
• 1.5 抽象
• 第2章 Python基礎
• 2.1 如何開始
• 2.2 基礎語法
• 2.3 數據類型
• 2.4 選擇結構
• 2.5 循環結構
• 2.6 函數
• 2.7 模塊
• 第3章 OpenCV基礎
• 3.1 基礎
• 3.2 圖像處理
• 3.3 感興趣區域
• 3.4 掩模
• 3.5 色彩處理
• 3.6 濾波處理
• 3.7 形態學
• 第2部分 基礎案例篇
• 第4章 圖像加密與解密
• 4.1 加密與解密原理
• 4.2 圖像整體加密與解密
• 4.3 臉部打碼及解碼
• 第5章 數字水印
• 5.1 位平面
• 5.2 數字水印原理
• 5.3 實現方法
• 5.4 具體實現
• 5.5 可視化水印
• 5.6 擴展學習
• 第6章 物體計數
• 6.1 理論基礎
• 6.2 核心程序
• 6.3 程序設計
• 6.4 實現程序
• 第7章 缺陷檢測
• 7.1 理論基礎
• 7.2 程序設計
• 7.3 實現程序
• 第8章 手勢識別
• 8.1 理論基礎
• 8.2 識別過程
• 8.3 擴展學習：石頭、剪刀、布的識別
• 第9章 答題卡識別
• 9.1 單道題目的識別
• 9.2 整張答題卡識別原理
• 9.3 整張答題卡識別程序
• 第10章 隱身術
• 10.1 圖像的隱身術
• 10.2 視頻隱身術
• 第11章 以圖搜圖
• 11.1 原理與實現
• 11.2 實現程序
• 11.3 擴展學習
• 第12章 手寫數字識別
• 12.1 基本原理
• 12.2 實現細節
• 12.3 實現程序
• 12.4 擴展閱讀
• 第13章 車牌識別
• 13.1 基本原理
• 13.2 實現程序
• 13.3 下一步學習
• 第14章 指紋識別
• 14.1 指紋識別基本原理
• 14.2 指紋識別算法概述
• 14.3 尺度不變特征變換
• 14.4 基于SIFT的指紋識別
• 第3部分 機器學習篇
• 第15章 機器學習導讀
• 15.1 機器學習是什么
• 15.2 機器學習基礎概念
• 15.3 OpenCV中的機器學習模塊
• 15.4 OpenCV機器學習模塊的使用
• 第16章 KNN實現字符識別
• 16.1 手寫數字識別
• 16.2 英文字母識別
• 第17章 求解數獨圖像
• 17.1 基本過程
• 17.2 定位數獨圖像內的單元格
• 17.3 構造KNN模型
• 17.4 識別數獨圖像內的數字
• 17.5 求解數獨
• 17.6 繪制數獨求解結果
• 17.7 實現程序
• 17.8 擴展學習
• 第18章 SVM數字識別
• 18.1 基本流程
• 18.2 傾斜校正
• 18.3 HOG特征提取
• 18.4 數據處理
• 18.5 構造及使用SVM分類器
• 18.6 實現程序
• 18.7 參考學習
• 第19章 行人檢測
• 19.1 方向梯度直方圖特征
• 19.2 基礎實現
• 19.3 函數detectMultiScale參數及優化
• 19.4 完整程序
• 19.5 參考學習
• 第20章 K均值聚類實現藝術畫
• 20.1 理論基礎
• 20.2 K均值聚類模塊
• 20.3 藝術畫
• 第4部分 深度學習篇
• 第21章 深度學習導讀
• 21.1 從感知機到人工神經網絡
• 21.2 人工神經網絡如何學習
• 21.3 深度學習是什么
• 21.4 激活函數的分類
• 21.5 損失函數
• 21.6 學習的技能與方法
• 21.7 深度學習游樂場
• 第22章 卷積神經網絡基礎
• 22.1 卷積基礎
• 22.2 卷積原理
• 22.3 填充和步長
• 22.4 池化操作
• 22.5 感受野
• 22.6 預處理與初始化
• 22.7 CNN
• 第23章 DNN模塊
• 23.1 工作流程
• 23.2 模型導入
• 23.3 圖像預處理
• 23.4 推理相關函數
• 第24章 深度學習應用實踐
• 24.1 圖像分類
• 24.2 目標檢測
• 24.3 圖像分割
• 24.4 風格遷移
• 24.5 姿勢識別
• 24.6 說明
• 第5部分 人臉識別篇
• 第25章 人臉檢測
• 25.1 基本原理
• 25.2 級聯分類器的使用
• 25.3 函數介紹
• 25.4 人臉檢測實現
• 25.5 表情檢測
• 第26章 人臉識別
• 26.1 人臉識別基礎
• 26.2 LBPH人臉識別
• 26.3 EigenFaces人臉識別
• 26.4 FisherFaces人臉識別
• 26.5 人臉數據庫
• 第27章 dlib庫
• 27.1 定位人臉
• 27.2 繪制關鍵點
• 27.3 勾勒五官輪廓
• 27.4 人臉對齊
• 27.5 調用CNN實現人臉檢測
• 第28章 人臉識別應用案例
• 28.1 表情識別
• 28.2 駕駛員疲勞檢測
• 28.3 易容術
• 28.4 年齡和性別識別
• 參考文獻
• 封底 更新時間：2024-02-27 15:49:39