AI源碼解讀:數字圖像處理案例 (Python版)

李永華

  • AI源碼解讀:數字圖像處理案例 (Python版)-preview-1
  • AI源碼解讀:數字圖像處理案例 (Python版)-preview-2
  • AI源碼解讀:數字圖像處理案例 (Python版)-preview-3
AI源碼解讀:數字圖像處理案例 (Python版)-preview-1

買這商品的人也買了...

相關主題

商品描述

本書根據當前人工智能RNN深度學習的發展成果,具體設計基於RNN的模型算法,並給出了具體實現,**算法流程及Python代碼實現。其主要內容包括:基於深度學習的圖像處理的20個案例,基於Python的具體實現,本書圖文並茂,豐富實用,深入淺出,易學易用。本書根據當前人工智能RNN深度學習的發展成果,具體設計基於RNN的模型算法,並給出了具體實現,**算法流程及Python代碼實現。其主要內容包括:基於深度學習的圖像處理的20個案例,基於Python的具體實現,本書圖文並茂,豐富實用,深入淺出,易學易用。

作者簡介

李永華郵電大學,擁有超過10年的軟硬件開發經驗,教授:北京研究物聯網、雲計算與人工智能的研究工作。
在教學中以興趣為導向,科研學生的實踐;以素質為基礎,提高自身教學水平;以手段為手段,促進教學理念的轉變,在教學與科研實踐中指導學生實現300餘個創新案例。 30餘項國j級與企事業單位的研究工作,在學術期刊及會議發表論文100餘篇,申請專利50餘項,出版圖書20餘部。

目錄大綱

項目1基於插幀和超分辨率視頻應用
1.1整體設計
1.1.1 系統整體結構
1.1.2 系統流程
1.2運行環境
1.2.1Python環境
1.2.2PyTorch環境
1.2.3FFmpeg的使用
1.2.4百度AI Studio使用
1.3 模塊實現
1.3.1視頻處理模塊
1.3.2超智能模塊
1.3.3 插幀模塊
1.3.4GUI模塊
1.4 系統測試
1.4.1 算法訓練
1.4.2GUI效果界面
1.4.3 輸出效果展示

項目2基於Pix2Pix的快速圖像風格遷移
2.1整體設計
2.1.1 系統整體結構
2.1.2 系統流程
2.2運行環境
2.2.1Python環境
2.2.2TensorFlow環境
2.2.3燒瓶環境
2.2.4微信小程序環境
2.3 模塊實現
2.3.1數據初始化
2.3.2 創建模型與編譯
2.3.3 模型訓練及保存
2.3.4構建Pix2Pix數據集
2.3.5Pix2Pix模型構建
2.3.6Pix2Pix模型訓練及保存
2.3.7完整完整
2.4 系統測試
2.4.1 訓練效果
2.4.2 測試效果
2.4.3 模型應用

項目3常見預約識別
3.1整體設計
3.1.1 系統整體結構
3.1.2 系統流程
3.2運行環境
3.2.1Python環境
3.2.2TensorFlow環境
3.2.3Android環境
3.3 模塊實現
3.3.1數據結構
3.3.2 創建模型並編譯
3.3.3 模型訓練及保存
3.3.4 模型生成
3.4 系統測試
3.4.1訓練準確率
3.4.2 測試效果
3.4.3 模型應用

項目4基於Keras的狗狗分類與人臉相似檢測器
4.1整體設計
4.1.1 系統整體結構
4.1.2 系統流程
4.2運行環境
4.2.1Python環境
4.2.2TensorFlow環境
4.2.3Keras環境
4.2.4 安裝庫
4.3 模塊實現
4.3.1數據結構
4.3.2 模型模擬主體
4.3.3 圖像檢測
4.3.4 文本數據翻譯與爬蟲
4.3.5 模型訓練評估與生成
4.3.6前端界面
4.4 系統測試
4.4.1前端展示界面
4.4.2 程序功能介紹
4.4.3 識別狗效果展示
4.4.4 識別人臉效果展示

項目5貓貓相機
5.1整體設計
5.1.1 系統整體結構
5.1.2 系統流程
5.2運行環境
5.2.1Python環境
5.2.2mx網絡環境
5.2.3OpenCV環境
5.3 模塊實現
5.3.1數據初始化
5.3.2 創建模型並編譯
5.3.3 模型訓練及保存
5.3.4 模型測試
5.4 系統測試
5.4.1 訓練準確率
5.4.2 測試效果
5.4.3 模型應用

項目6基於Mask RCNN的動物識別分割及渲染
6.1整體設計
6.1.1 系統整體結構
6.1.2 系統流程
6.2運行環境
6.2.1Python環境
6.2.2TensorFlowGPU環境
6.2.3Keras環境
6.2.4pycocotools 2.0環境
6.2.5 其他依賴庫
6.3 模塊實現
6.3.1數據初始化
6.3.2 數據集處理
6.3.3 模型訓練及保存
6.3.4渲染效果實現
6.3.5圖形界面設計
6.4 系統測試
6.4.1 模型評估
6.4.2 測試效果
6.4.3 模型應用

項目7新冠輔助診斷系統
7.1整體設計
7.1.1 系統整體結構
7.1.2 系統流程
7.2運行環境
7.2.1Python環境
7.2.2PaddlePaddle環境
7.2.3在線運行
7.3 模塊實現
7.3.1 定義待測數據
7.3.2 加載預訓練模型
7.3.3 數據初始化
7.3.4 可視化操作
7.4 系統測試
7.4.1 DICOM 圖像
7.4.2初始​​後的圖像
7.4.3肺部分割
7.4.4 病灶分割
7.4.5 分割結果
7.4.6 統計輸出結果

項目8行程—可控的快速遷移風格在網頁端應用
8.1整體設計
8.1.1 系統整體結構
8.1.2 系統流程
8.2運行環境
8.2.1Python環境
8.2.2TensorFlow環境
8.2.3Linux環境
8.2.4網頁配置環境
8.3 模塊實現
8.3.1數據結構
8.3.2 模型構建
8.3.3 模型訓練及保存
8.3.4 模型測試
8.4 系統測試
8.4.1 訓練準確率
8.4.2 測試效果
8.4.3 模型應用

項目9SRGAN網絡在網站默認頭像中的應用
9.1整體設計
9.1.1 系統整體結構
9.1.2 系統流程
9.2運行環境
9.2.1TensorFlow環境
9.2.2網頁開發服務器環境
9.3 模塊實現
9.3.1數據結構
9.3.2 模型構建
9.3.3 模型訓練及保存
9.3.4網站搭建
9.4 系統測試

項目10亂序成語驗證碼識別
10.1整體設計
10.1.1系統整體結構
10.1.2系統流程
10.2運行環境
10.2.1Python環境
10.2.2TensorFlow環境
10.2.3 安裝所需的包
10.3 模塊實現
10.3.1數據結構
10.3.2 模型一的構建和訓練
10.3.3 模型二的構建和訓練
10.3.4亂序成語驗證碼
10.3.5 可視化界面的實現
10.4 系統測試
10.4.1 訓練準確率
10.4.2 測試效果
10.4.3 可視化應用界面

項目11基於CNN的SNEAKERS識別
11.1整體設計
11.1.1系統整體結構
11.1.2系統流程
11.2運行環境
11.2.1Python環境與Flask框架
11.2.2環境配置與工具包
11.2.3微信小程序環境
11.3 模塊實現
11.3.1數據製作
11.3.2 數據構建
11.3.3 模型訓練及保存
11.3.4 模型測試
11.3.5前端與後台搭建
11.4 系統測試
11.4.1訓練準確率
11.4.2 測試效果
11.4.3 模型應用

項目12基於SRGAN的單圖像超分辨率
12.1整體設計
12.1.1系統整體結構
12.1.2系統流程
12.2運行環境
12.2.1Python環境
12.2.2PyTorch環境
12.2.3網頁端Flask框架
12.2.4PyQt環境配置
12.3 模塊實現
12.3.1數據結構
12.3.2數據導入
12.3.3 定義模型
12.3.4 定義損失函數
12.3.5 模型訓練及保存
12.3.6 服務器端架構
12.3.7 本地單機程序
12.4 系統測試

項目13彩色複製
13.1整體設計
13.1.1系統整體結構
13.1.2系統流程
13.2運行環境
13.2.1蟒蛇環境
13.2.2TensorFlow環境
13.2.3Keras環境
13.3 模塊實現
13.3.1 模式選擇
13.3.2任意風格模式
13.3.3 固定風格模式
13.4 系統測試
13.4.1任意風格模式測試結果
13.4.2 固定風格模式測試結果

項目14基於PyTorch的快速遷移風格
14.1整體設計
14.1.1系統整體結構
14.1.2系統流程
14.2運行環境
14.2.1Python環境
14.2.2PyTorch環境
14.2.3PyQt5環境
14.3 模塊實現
14.3.1數據結構
14.3.2模型構建
14.3.3 模型訓練及保存
14.3.4 界面化及應用
14.4 系統測試
14.4.1訓練準確率
14.4.2 測試效果
14.4.3 程序應用

項目15CASIAHWDB手寫漢字識別
15.1整體設計
15.1.1系統整體結構
15.1.2系統流程
15.2運行環境
15.2.1Python環境
15.2.2TensorFlow環境
15.2.3wxPython 和 OpenCV 環境
15.2.4pyttsx3環境
15.3 模塊實現
15.3.1數據結構
15.3.2模型構建
15.3.3 模型訓練及保存
15.3.4前端界面
15.4 系統測試
15.4.1 測試效果
15.4.2 模型應用

項目16圖像智能修復
16.1整體設計
16.1.1 系統整體結構
16.1.2系統流程
16.2運行環境
16.2.1Python環境
16.2.2TensorFlow環境
16.2.3OpenFace 環境
16.3 模塊實現
16.3.1數據結構
16.3.2模型構建
16.3.3 模型訓練
16.3.4 程序實現
16.3.5圖形界面設計
16.3.6 程序打包
16.4 系統測試
16.4.1GAN網絡損失變化
16.4.2 測試效果

項目17 黑白圖像自動著色
17.1整體設計
17.1.1 系統整體結構
17.1.2系統流程
17.2運行環境
17.3 模塊實現
17.3.1數據結構
17.3.2 模型構建與訓練
17.3.3 模型調用與結果優化
17.3.4 結果展示
17.4 系統測試

項目18神經神經網絡壓縮與加速技術在遷移中的應用
18.1整體設計
18.1.1系統整體結構
18.1.2系統流程
18.2運行環境
18.2.1Python環境
18.2.2GPU環境
18.3 模塊實現
18.3.1數據結構
18.3.2創建模型
18.3.3 模型訓練及保存
18.3.4 模型測試
18.4 系統測試
18.4.1風格遷移效果
18.4.2網絡的加速與壓縮

項目19 遷移學習的狗狗分類器
19.1整體設計
19.1.1系統整體結構
19.1.2系統流程
19.2運行環境
19.2.1Python環境
19.2.2TensorFlow環境
19.2.3Keras環境
19.2.4wxPython 的安裝
19.3 模塊實現
19.3.1數據結構
19.3.2模型構建
19.3.3 模型訓練
19.3.4API調用
19.3.5 模型生成
19.4 系統測試
19.4.1訓練準確率
19.4.2 測試效果
19.4.3 模型應用

項目20基於TensorFlow的人臉檢測及追踪
20.1整體設計
20.1.1 系統整體結構
20.1.2系統流程
20.2運行環境
20.2.1Python環境
20.2.2TensorFlow環境
20.2.3models環境
20.3 模塊實現
20.3.1數據結構
20.3.2模型構建
20.3.3 模型訓練及保存
20.4 系統測試