OpenCV 4机器学习算法原理与编程实战

作者: 朱斌

13.09万字82人正在读

已完结现代当代当代文学

作品简介

《OpenCV 4机器学习算法原理与编程实战》主要面向机器学习领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV 4 的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10 章，第1~3 章，介绍OpenCV 4 的基础知识、基本图像操作和机器学习基础知识；第4~8 章，介绍K-means、KNN、决策树、随机森林、Boosting 算法和支持向量机等机器学习算法与编程实战；第9~10 章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供了多种类型的深度学习模型的部署示例代码。《OpenCV 4机器学习算法原理与编程实战》基本聚焦于机器学习在计算机视觉领域的应用，既可以作为相关专业学生的教材，也可以作为研究人员或工程技术人员的参考资料。

目录 (134章)

倒序

正文

第1章概述第1章概述-1.1OpenCV简述第1章概述-1.2OpenCV的功能第1章概述-1.3OpenCV中的机器学习与深度神经网络模块 1.4.1数据类型概述 1.4.2cv::Vec类 1.4.3cv::Point类 1.4.4cv::Scalar类 1.4.5cv::Size类 1.4.6cv::Rect类 1.4.7cv::RotatedRect类 1.4.8cv::Mat类 1.4.9基本矩阵运算第2章OpenCV在机器学习任务中的基本图像操作第2章OpenCV在机器学习任务中的基本图像操作-2.1基本图像操作 2.1.1读取、显示和存储图像 2.1.2颜色空间转换 2.1.3图像的几何变换 2.1.4直方图均衡化 2.1.5标注文字和矩形框第2章OpenCV在机器学习任务中的基本图像操作-2.2基本视频操作 2.2.1读取和播放视频文件 2.2.2处理视频文件 2.2.3存储视频文件第3章机器学习的基本原理与OpenCV机器学习模块 3.1.1机器学习的定义 3.1.2机器学习的分类 3.2.1机器学习流程 3.2.2数据集 3.2.3偏差与方差 3.2.4评估分类器性能的方法第3章机器学习的基本原理与OpenCV机器学习模块-3.3逻辑回归分类示例 3.3.1图像数据与数据表示 3.3.2逻辑回归模型 3.3.3逻辑回归的损失函数第3章机器学习的基本原理与OpenCV机器学习模块-3.4OpenCV支持的机器学习算法 3.4.1机器学习模块的结构 3.4.2机器学习模块中的算法 3.4.3数据集准备 3.4.4特征选择第4章K-means和KNN 4.1.1K-means原理 4.1.2KNN原理 4.2.1K-means的实现 4.2.2KNN的实现 4.3.1K-means聚类示例 4.3.2KNN手写数字识别示例 4.3.3应用提示第5章决策树 5.1.1决策树的基本思想 5.1.2决策树的表示方法 5.1.3最佳切分属性的选择 5.1.4停止标准 5.1.5剪枝 5.2.1创建决策树 5.2.2训练决策树 5.2.3使用决策树预测第5章决策树-5.3应用示例 5.3.1蘑菇可食性分类 5.3.2预测波士顿房价 5.3.3应用提示第6章随机森林 6.1.1随机森林的基本思想 6.1.2Bagging算法 6.2.1OpenCV中的随机森林 6.2.2创建随机森林 6.2.3训练随机森林 6.2.4使用随机森林预测第6章随机森林-6.3应用示例 6.3.1蘑菇可食性分类 6.3.2预测波士顿房价 6.3.3应用提示第7章Boosting算法 7.1.1Boosting算法的基本思想 7.1.2Boosting算法的学习流程 7.1.3AdaBoost算法第7章Boosting算法-7.2OpenCV实现 7.2.1创建AdaBoost模型 7.2.2训练AdaBoost模型 7.2.3使用AdaBoost模型预测第7章Boosting算法-7.3应用示例 7.3.1蘑菇可食性分类 7.3.2英文字母分类问题 7.3.3应用提示第8章支持向量机第8章支持向量机-8.1支持向量机原理 8.1.1统计学习理论概述 8.1.2线性SVM算法的基本原理(1)8.1.2线性SVM算法的基本原理(2)8.1.3非线性SVM算法的基本原理 8.1.4SVM回归算法的基本原理 8.1.5SVM算法执行SRM准则的解释 8.2.1OpenCV中的SVM算法 8.2.2创建SVM模型 8.2.3训练SVM模型 8.2.4使用SVM模型预测 8.3.1使用HOG特征与SVM算法识别手写数字 8.3.2应用提示第9章神经网络第9章神经网络-9.1神经网络原理 9.1.1神经网络的结构与表示 9.1.2单隐层前馈神经网络 9.1.3多隐层前馈神经网络 9.1.4梯度下降法 9.1.5反向传播算法 9.2.1OpenCV中的MLP算法 9.2.2创建MLP模型 9.2.3训练MLP模型 9.2.4使用MLP模型预测 9.3.1使用神经网络识别手写数字 9.3.2应用提示第10章深度神经网络第10章深度神经网络-10.1卷积神经网络的基本原理 10.1.1卷积神经网络的结构 10.1.2卷积层 10.1.3池化层 10.1.4Softmax层 10.1.5CNN特征学习的过程 10.1.6CNN特征学习的原理第10章深度神经网络-10.2OpenCV的DNN模块 10.2.1OpenCV支持的深度学习框架 10.2.2支持的层类型 10.2.3编译支持GPU加速的OpenCV 10.2.4DNN模块的使用(1)10.2.4DNN模块的使用(2)第10章深度神经网络-10.3应用示例 10.3.1典型计算机视觉任务 10.3.2使用GoogLeNet实现图像分类 10.3.3使用YOLOv4实现目标检测 10.3.4使用MaskR-CNN实现实例分割 10.3.5使用GOTURN实现目标跟踪 10.3.6使用DB算法实现场景文本检测 10.3.7使用CRNN实现场景文本识别 10.3.8应用提示

精选推荐

销售心理学

[中国纺织出版社]

兰华

已完结当代文学

销售就是玩转情商

[中国纺织出版社]

王威

已完结当代文学

销售员情商实战训练

成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。

刘军

已完结当代文学