结合C++和OpenCV全面讲解计算机视觉编程,不仅涵盖计算机视觉和图像处理的基础知识,而且通过完整示例讲解OpenCV的重要类和函数。《OpenCV计算机视觉编程攻略(第2版)》主要内容包括OpenCV库的安装和部署、图像增强、像素操作、图形分析等各种技术,并且详细介绍了如何处理来自文件或摄像机的视频,以及如何检测和跟踪移动对象。
通过计算机或手机等机器观察周围环境的方法称为计算机视觉。模拟人眼的严峻工作可以追溯到50年代,我们已经在这个领域走了很长一段路。计算机视觉已经通过不同的电子商务或相机应用进入到了我们的手机。机器拥有像人一样的眼睛,机器将会做更多的事情。人眼有着复杂的结构,而通过眼睛观察来理解环境是一个更加复杂的现象。以类似的方式,使机器能够看到事物并使其具有足够的能力以理解它们所看到的内容并进一步对其进行分类,仍然是一项艰巨的工作。使用计算机视觉等效于眨眼间就可以进行数百万次计算,其准确性几乎与人眼相同。这不仅涉及将图片转换为像素,然后尝试通过这些像素了解图片中的内容,也将不得不首先了解如何从这些像素中提取信息并了解其代表的内容。立即预约课程
理解如何通过机器看
用数字表示颜色:在计算机科学中,每种颜色都由指定的十六进制值表示。这就是机器理解图像像素组成颜色的一种编码方式。而作为人类,我们拥有能力根据深浅来区分不同的颜色。
图像分割:计算机被用来识别相似的颜色组,然后分割图像,即将前景与背景区分开。颜色渐变技术用于查找不同对象的边缘。
查找角点:分割后,然后查找图像中的某些特定的特征,也可被称为角点。简而言之,算法会搜索以一定角度相交的线,并以一种颜色的阴影覆盖图像的特定部分。特征(也称为角点)像是积木,可帮助查找图像中包含的更详细的信息
找纹理:正确识别图像的另一个重要方面是区分图像中的纹理。两个对象之间的纹理差异使机器更容易正确地对对象进行分类
做出猜测:执行上述步骤后,机器需要做出大概率正确的猜测,并将图像与数据库中存在的图像进行匹配
,一台机器会看到更大,更清晰的画面,并根据所提供的算法说明检查是否正确识别了该画面。在过去的几年中准确性得到了很大的提高,但是当机器要求处理带有混合物体的图像时,机器仍然会犯错误。
课程简介
理解和感受工程师经常讲的“道”和“术”
道”:能知道一些基本、基础应知应会的原理,能在这个基础上,去阅读一些新的论文,提升学员的知识面
术”:能写代码,能将代码跑通,获得到精神上的快乐和满足,即使不明觉厉,也能解决问题。
通过案例和不断想到的Ideas,帮助学员真正理解,企业为什么需要员工,为什么特别需要有创新思维的员工,让学员能在职场上更好的表现。
基础薄弱学生、转行人士,低门槛无忧就业
基础薄弱数据类岗位从业者,系统提升专业技能
产品、运营、营销、财务等业务部门在职者,提升数字化工作效率
研发、中台、技术类部门在职者,数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者,把握数字化转型方案及流程
经济及社科类青年教师、博士生、硕士生、高年级本科生
课程大纲
1成为编程高手的四个技能:数学、编程、统计、算法
2Python的安装
3Anaconda的安装
4PyCharm的安装
5Jupyter Notebook的使用
6深度学习框架的搭建
7GPU的适配安装
8pip命令的使用介绍
9conda命令和pip命令的异同点
10安装一些常用的工具包
3机器学习、深度学习和强化学习的异同点4计算机视觉,它本身是什么5计算机视觉的细分业务领域,比如分类、分割等
6常见的计算机视觉任务,图片分类7神经网络喜欢吃得“食物”8神经网络会给你输出什么,是直接的结论吗9图片处理库,scikit-image的简单使用介绍10计算机视觉库,opencv的简单使用介绍
1疲劳的特征是什么
2在没有深度学习概念前,如何实现脸部关键点检测
3什么是神经网络
4什么是卷积神经网络
5什么是卷积核
6什么是池化
7什么是标准化
8什么是躺平层
9什么是全连接层
10什么是激活函数
11Python动手实战,边实战边讲解
1跑酷游戏的介绍
2机器需要学到什么,才能打好跑酷游戏
3卷积神经网络和跑酷游戏的联系是什么
4基础的概念之一,什么是图片的通道
5基础的概念之一,除了RGB之外,我们还会如何获取图片的信息
6如何从游戏画面中产生数据集
7如何得知用户按了什么键
8模型结构该如何设计
9如何训练网络
10如何评估网络的准确性
11如何能让机器学习的更准确
12Python动手实战,边实战边讲解
1先来看几个例子,什么是照片背景虚化
2整体实现思路,会分成哪几个步骤
3首次讲解图片分割的知识背景
4业界有哪些个常用的图片分割场景5图片预处理,继续讲解opencv计算机视觉库的函数
6有哪些巨人的肩膀我们可以“站”
7重点讲解Google MediaPipe的深度学习库
8Numpy进阶知识之一,stack函数9Numpy进阶知识之一,where函数
10Python动手实战,边实战边讲解
1大开脑洞,为什么能用卷积神经网络来完成这个游戏
2进阶知识之一,讲解关于卷积核的更多知识3进阶知识之一,讲解关于池化的更多知识4如何去自制一个数独的数据集识5基础知识之一,pandas的简单使用介绍6图片预处理,几行代码写出数据标准化的函数
7重点知识讲解,Keras深度学习框架8进讲解常用的一些Keras层9深入讲解模型的结构
10讲解模型的输出尺寸11进阶知识之一,深入讲解图片分类的输出形态12这些知识点的总结归纳13Python动手实战,边实战边讲解
1自制一个钟表数据集需要用到的包
2数据集的X和Y分别是什么
3基础知识之一,制作表盘
4基础知识之一,制作时针和分针
5Python动手实战,针对自制数据集的代码,进行讲解
6重点知识讲解,该如何设计模型的结构
7模型的损失函数设计
8这些知识点的归纳总结
9Python动手实战,边实战边讲解
10如何实现颜色空间的预处理
11Python动手实战,边实战边讲解
1什么是异常检测
2各行各业的异常检测有哪些
3异常检测的数据集特征
4进使用标准方差的统计分布识别异常检测
5使用箱线图的统计分布识别异常检测6使用密度算法识别异常检测7使用深度学习的自动编码器识别异常检测8自动编码器的几个核心知识点9一份很特别的数据集10如何确定出合理的异常检测标准11Python动手实战,边实战边讲解