7889次浏览
《机器视觉算法与应用(双语版)》是一本关于机器视觉算法与应用的中英文对照版教材。是第一本有关机器视觉软件的教材，详细介绍了机器视觉的各种算法，以及有关这些算法的实际应用。《机器视觉算法与应用》(双语版)的三位作者在MVTec公司负责著名机器视觉算法软件包HALCON的研发工作，同时还在幕尼黑工业大学（TUM）担任客座学者从事机器视觉研究教学工作，具备深厚的理论功底和实战经验。作者在《机器视觉算法与应用(双语版)》中将自己十几年来积累下来的“实战”经验无保留地分享给大家。前言1 简介2 图像采集2.1 照明2.1.1 电磁辐射2.1.2 光源类型2.1.3 光与被测物间的相互作用2.1.4 利用照明的光谱2.1.5 利用照明的方向性2.2 镜头2.2.1 针孔摄像机2.2.2 高斯光学2.2.3 景深2.2.4 远心镜头2.2.5 镜头的像差2.3 摄像机2.3.1 CCD传感器2.3.2 CMOS传感器2.3.3 彩色摄像机2.3.4 传感器尺寸2.3.5 摄像机性能2.4 摄像机-计算机接口2.4.1 模拟视频信号2.4.2 数字视频信号：Camera Link2.4.3 数字视频信
![机器视觉 [美]伯特霍尔德·霍恩著 蒋欣兰译 PDF下载](/upload/image/20200304/1583297601925.jpeg)
3698次浏览
《机器视觉》从逆问题的角度出发，提出了一整套关于机器视觉的研究方法，其核心是：机器视觉应该基于对成像过程的深刻理解！作为作者在麻省理工学院（MIT）所讲授的机器视觉课程的指定教材，本书已经被使用了近30年，至今仍被欧美许多著名高校所广泛使用。本书提供了一个理解现有方法和技术以及为以后的研究做准备的系统框架，其中包含了很多将机器视觉方法应用于实际问题的内容。全书共包括18章，前13章主要讲述早期视觉的内容，后5章更加关注于：解决一些更加复杂的实际问题。最后，作者将各个章节所介绍的方法整合到一起，搭建了一个可以和周围环境进行交互的“眼-手”系统。书中所用到的数学方法，也都收录在最后的附录中；作为内容的补充和扩展，本书还提供了丰富的练习题。本书可以作为高等院校相关专业本科生和研究生一年级课程的教材，也可以作为研究人员的参考书籍。第 1 章 简介 1.1 机器视觉 1.2 机器视觉的任务 1.3 机器视觉和其他领域的关系 1.4 后续章节的概要 1.5 本章参考文献 1.6 习题 第 2 章 成像与图像检测 2.1 成像的两个方面 2.1.1 透视投影 2.1.2 正射投影 2.2 亮度 2.
7025次浏览
计算机视觉是在图像处理的基础上发展起来的新兴学科。OpenCV是一个开源的计算机视觉库，是英特尔公司资助的两大图像处理利器之一。它为图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数提供了各种各样的算法。《学习OpenCV 3(中文版)》由OpenCV发起人所写，站在一线开发人员的角度用通俗易懂的语言解释了OpenCV的缘起和计算机视觉基础结构，演示了如何用OpenCV和现有的自由代码为各种各样的机器进行编程，这些都有助于读者迅速入门并渐入佳境，兴趣盎然地深入探索计算机视觉领域。《学习OpenCV 3(中文版)》可作为信息处理、计算机、机器人、人工智能、遥感图像处理、认知神经科学等有关专业的高年级学生或研究生的教学用书，也可供相关领域的研究工作者参考。译者序 xvii 前言 xxi 第1章 概述 1 什么是OpenCV 1 OpenCV怎么用 2 什么是计算机视觉 3 OpenCV的起源 6 OpenCV的结构 7 使用IPP来加速OpenCV 8 谁拥有OpenCV 9 下载和安装OpenCV 9 安装 9 从Git获取最新的OpenCV 12 更多的OpenCV文档 13
3941次浏览
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，《深度学习之PyTorch实战计算机视觉》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题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python 编程技能，掌握PyTorch 的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch 深度学习框架实战计算机视觉。《深度学习之PyTorch实战计算机视觉》中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就感。《深度学习之PyTorch实战计算机视觉》面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者。第1章 浅谈人工智能、神经网络和计算机视觉 1 1.1 人工还是智能 1 1.2 人工智能的三起两落 2 1.2.1 两起两落 2 1.2.2 卷土重来 3 1.3 神经网络简史 5 1.3.1 生物神经网络和人工神经网络 5 1.3.2 M-P模型 6 1.3.3 感知机的诞生 9 1.3
