書馨卡幫你省薪 2024個人購書報告 2024中圖網年度報告
歡迎光臨中圖網 請 | 注冊

礦山計算機視覺

出版社：冶金工業(yè)出版社出版時間：2023-08-01
開本： 其他 頁數： 219
中 圖 價:¥41.7(8.5折) 定價  ¥49.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

礦山計算機視覺 版權信息

礦山計算機視覺 內容簡介

本書從計算機圖像技術出發(fā)，立足于礦業(yè)智能生產的專業(yè)背景，對當代智能礦業(yè)生產中應用的一系列圖像視覺技術乃至人工智能技術進行了系統(tǒng)的闡述，對于關鍵熱門技術進行了理論解釋及實操演示，旨在能夠給予行業(yè)從業(yè)讀者以基礎知識科普乃至提供技術嘗試思路。本書共分為四部分，分別為總體理論，分支理論，操作實踐，案例分析。其中，總體理論以導論形式介紹了圖像理論相關基礎，為圖像零基礎讀者提供知識緩沖帶；分支理論包含第2章和第3章，分別介紹了不同的技術路線的當代圖像技術的理論基礎；操作實踐包含第4章和第5章，結合礦業(yè)背景實例，就當代圖像領域典型問題給出解決方案并進行實操演示；第6章則為案例分析部分，跳出具體問題，廣泛在礦業(yè)生產中尋找計算機視覺的智能應用方案，通過文獻整理的手段，對未來發(fā)展思路進行了探討。

礦山計算機視覺 目錄

1 圖像理論基礎 1.1 圖像技術的起源與發(fā)展 1.1.1 圖像的 早起源——圖畫 1.1.2 圖像第二階段——傳統(tǒng)攝影 1.1.3 圖像新階段——數字圖像 1.2 圖像原理 1.2.1 數字圖像原理 1.2.2 數字圖像的產生 1.2.3 圖像的存儲 1.3 硬件原理 1.3.1 相機 1.3.2 相機圖像傳感器感光原理 1.4 實驗平臺介紹 1.4.1 Python概述 1.4.2 OpenCV概述 1.4.3 開發(fā)環(huán)境搭建 1.5 小結 思考題 參考文獻 2 傳統(tǒng)圖像工程 2.1 圖像的特征與噪聲 2.1.1 圖像的特征類別 2.1.2 特征提取與特征空間 2.1.3 圖像噪聲 2.2 圖像增強 2.2.1 圖像增強的點運算 2.2.2 圖像的空域平滑 2.2.3 圖像的空域銳化 2.2.4 頻域增強 2.3 特征提取 2.3.1 方向梯度直方圖 2.3.2 尺度不變特征變換 2.3.3 加速穩(wěn)健特征 2.3.4 全局特征提取 2.4 機器學習與圖像工程 2.4.1 稀疏模型 2.4.2 線性分類模型 2.4.3 支持向量機 2.5 小結 思考題 參考文獻 3 深度學習與計算機視覺 3.1 深度學習簡介 3.1.1 什么是深度學習 3.1.2 機器學習與深度學習 3.1.3 深度學習的應用場景 3.2 深度學習基礎理論 3.2.1 線性代數 3.2.2 微積分 3.2.3 概率 3.3 神經網絡發(fā)展 3.3.1 神經元 3.3.2 線性神經網絡 3.3.3 多層感知機 3.4 卷積神經網絡的組成及相關技術 3.4.1 卷積層 3.4.2 池化層 3.4.3 全連接層 3.4.4 數據增強 3.4.5 損失函數 3.4.6 優(yōu)化算法 3.4.7 欠擬合與過擬合 3.5 現代卷積神經網絡模型 3.5.1 AlexNet 3.5.2 VGG 3.5.3 GoogLeNet 3.5.4 ResNet 3.5.5 DenseNet 3.5.6 EfficientNet 3.5.7 ConvNeXt 3.6 輕量化模型 3.6.1 .Xception 3.6.2 MobileNet V1 3.6.3 ShuffleNet V1 3.7 Transformer模型 3.7.1 注意力機制 3.7.2 Transformer 3.7.3 Vision Transformer 3.7.4 SwinTransforreeF 3.8 圖像數據集 3.8.1 手寫數字MNIST數據集 3.8.2 CIFAR-10數據集 3.8.3 ImageNet圖像數據集 3.9 小結 思考題 參考文獻 4 目標檢測實戰(zhàn) 4.1 目標檢測技術 4.1.1 目標檢測任務簡介 4.1.2 目標檢測的重要概念 4.1.3 目標檢測評價指標 4.1.4 目標檢測常用的開源數據集 4.2 傳統(tǒng)目標檢測階段 4.2.1 Viola.Jones檢測器 4.2.2 HOG檢測器 4.2.3 基于可變形部件的模型 4.3 基于深度學習的目標檢測階段——兩階段算法 4.3.1 R-CNN 4.3.2 SPPNet 4.3.3 Fast R-CNN 4.3.4 Faster R-CNN 4.4 基于深度學習的目標檢測階段——單階段算法 4.4.1 YOL0系列 4.4.2 SSD 4.4.3 CornerNet 4.4.4 CenterNet 4.5 基于YOLOv5的目標檢測實戰(zhàn)指南 4.5.1 準備工作 4.5.2 標記數據集 4.5.3 構建數據集 4.5.4 配置文件 4.5.5 訓練模型 4.5.6 YOL0v5實現檢測 4.6 小結 思考題 參考文獻 5 語義分割實戰(zhàn) 5.1 語義分割技術 5.1.1 語義分割任務簡介 5.1.2 語義分割重要概念 5.1.3 語義分割評價指標 5.1.4 目前常用的語義分割開源數據集 5.2 語義分割的發(fā)展歷史 5.2.1 傳統(tǒng)圖像分割方法 5.2.2 基于深度學習的圖像分割方法 5.3 基于uNet的語義分割實戰(zhàn)指南 5.3.1 項目背景 5.3.2 模型訓練與測試 5.4 小結 思考題 參考文獻 6 機器視覺的礦業(yè)應用 6.1 礦山開采工藝流程 6.1.1 礦山開發(fā)流程 6.1.2 采礦工藝流程 6.1.3 選礦工藝流程 6.2 主要應用場景 6.2.1 機器視覺解決的問題 6.2.2 機器視覺應用場景 6.3 案例分析 6.3.1 露天礦區(qū)道路障礙檢測 6.3.2 露天礦邊坡裂隙檢測 6.3.3 礦石粒度分級 6.3.4 露天礦卡裝載度檢測 6.4 展望 6.5 小結 思考題 參考文獻
展開全部
商品評論(0條)
暫無評論……
書友推薦
編輯推薦
返回頂部
中圖網
在線客服