内容
本书主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通过本书，读者能够了解深度学习在计算机视觉各个方向的应用以及最新进展。 本书的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感兴趣的爱好者 使用。
本书着重介绍深度学习在计算机视觉方面的应用和工程实践。
结合主流深度学习框架PyTorch、TensorFlow、Keras、Chainer、MXNet等进行示例演示。
本书主要基于开源项目，提供示例代码，通过在不同的应用场景下使用不同的主流框架，使读者能够对不同的应用场景及框架有较全面的认识。
通过本书，读者能够了解深度学习在计算机视觉各个方向的应用及最新进展。
本书的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于广大计算机视觉和深度学习从业者、大学生和研究生，以及对计算机视觉工程领域感兴趣的爱好者学习。
作者
缪鹏，某985高校物理硕士，长期从事企业虚拟化和深度学习图像算法方面的工作。现为广州棒谷科技有限公司AI－CV核心成员，负责团队图像分类、搜索与图像合成核心算法开发。
目录
目录
第1章 深度学习与计算机视觉1
1.1 图像基础3
1.2 深度学习与神经网络基础4
1.2.1 函数的简单表达5
1.2.2 函数的矩阵表达5
1.2.3 神经网络的线性变换6
1.2.4 神经网络的非线性变换6
1.2.5 深层神经网络6
1.2.6 神经网络的学习过程8
1.3 卷积神经网络CNN9
1.4 基础开发环境搭建14
1.5 本章总结15
第2章 OpenCV入门16
2.1 读图、展示和保存新图17
2.2 像素点及局部图像18
2.3 基本线条操作19
2.4 平移20
2.5 旋转20
2.6 缩放21
2.6.1 邻近插值22
2.6.2 双线性插值22
2.7 翻转23
2.8 裁剪23
2.9 算术操作23
2.10 位操作24
2.11 Masking操作25
2.12 色彩通道分离与融合26
2.13 颜色空间转换27
2.14 颜色直方图28
2.15 平滑与模糊29
2.16 边缘检测31
2.17 人脸和眼睛检测示例32
2.18 本章总结35
第3章 常见深度学习框架36
3.1 PyTorch38
3.1.1 Tensor39
3.1.2 Autograd42
3.1.3 Torch.nn43
3.2 Chainer45
3.2.1 Variable46
3.2.2 Link与Function47
3.2.3 Chain50
3.2.4 optimizers5…
