机器视觉的开发实践

　　《机器视觉的开发实践》着力于介绍机器视觉的基本理论、架构和主要技术等，利用深度学习常见框架TensorFlow等，创建强大的图像处理应用程序，并给出了具体的开发实践。《机器视觉的开发实践》主要内容包括机器视觉基础，神经网络与机器视觉，机器学习开发实践环境，图像分类、分割、生成和目标检测等，给出了机器视觉高级概念和新前沿，为机器视觉研究领域提供了良好的理论指导和技术支撑。《机器视觉的开发实践》可供从事机器视觉方面的工程技术人员参考阅读。

暂缺《机器视觉的开发实践》作者简介

第1章 机器视觉基础
1．1 机器视觉概述
1．2 机器视觉系统的任务
1．3 机器视觉系统的构成
1．4 机器视觉原理

第2章 神经网络与机器视觉
2．1 神经网络基础
2．2 卷积神经网络
2．3 典型CNN架构模型
2．4 常见深度学习框架

第3章 机器学习开发实践环境
3．1 Anaconda开发平台
3．2 嵌入式机器视觉开发平台
3．3 常用数据集

第4章 图像分类开发实践
4．1 图像分类基本概念及原理
4．2 典型分类模型
4．3 软硬件开发环境
4．4 图像分类实战

第5章 目标检测开发实践
5．1 目标检测的任务
5．2 目标检测的性能指标
5．3 目标检测的算法模型
5．4 YOLOv5目标检测训练模型
5．5 YOLOv5实战

第6章 图像分割开发实践
6．1 图像分割基本概念
6．2 传统图像分割方法
6．3 基于深度学习的图像分割方法

第7章 图像生成技术
7．1 图像生成的基本思想
7．2 图像生成网络理论
7．3 生成对抗网络算法推导
7．4 WGAN的原理
7．5 WGAN的实现
7．6 WGAN图像生成实战

参考文献