计算机视觉实践(第2版)

第 1章 Python基础 ……………………………………………………………………… 1 1.1 实践一:九九乘法表 …………………………………………………………… 1 1.2 实践二:随机数生成与排序 …………………………………………………… 2 1.3 实践三:批量文件遍历、复制、重命名 ………………………………………… 4 1.4 实践四:图像直方图统计 ……………………………………………………… 8 1.5 实践五:数据统计分析及可视化……………………………………………… 10 1.6 实践六:图像预处理…………………………………………………………… 15 第 2章 图像分类 ………………………………………………………………………… 20 2.1 实践一:基于深度神经网络的宝石分类……………………………………… 21 2.2 实践二:基于卷积神经网络的美食识别……………………………………… 29 2.3 实践三:基于 VGG 系列网络的场景图像分类 ……………………………… 34 2.4 实践四:基于 ResNet系列模型的车辆图像分类实践 ……………………… 41 2.5 实践五:基于 VisionTransformer的 CIFAR10分类 ……………………… 47 第 3章 目标检测 ………………………………………………………………………… 59 3.1 实践一:基于 FasterRCNN 模型的瓷砖瑕疵检测(两阶段目标检测) …… 61 3.2 实践二:基于 YOLOV3/PP-YOLO 模型的昆虫检测(一阶段目标检测)…… 67 3.3 实践三:基于 DETR 模型的目标检测 ……………………………………… 91 第 4章 图像分割 ……………………………………………………………………… 120 4.1 实践一:基于 U-Net/DeepLabV3Plus模型的宠物图像分割 …………… 121 4.2 实践二:基于 PaddleSeg的人像视频分割 ………………………………… 134 4.3 实践三:基于 PSPNet模型的人体图像分割 ……………………………… 137 4.4 实践四:基于 Swin-UNet模型的医学图像分割 …………………………… 153 第 5章 视频分类 ……………………………………………………………………… 179 5.1 实践一:基于 TSN 模型的视频分类 ……………………………………… 180 5.2 实践二:基于 ECO 模型的视频分类 ……………………………………… 191 5.3 实践三:基于 TimeSformer模型的视频分类 ……………………………… 204 第 6章 图像生成 ……………………………………………………………………… 216 6.1 实践一:基于 GAN 模型的时尚衣服生成 ………………………………… 218 6.2 实践二:基于 PaddleGAN 的图像超分辨率 ……………………………… 222 6.3 实践三:基于 DCGAN 模型的人脸图像生成 ……………………………… 224 6.4 实践四:基于 Pix2Pix模型的图像翻译 …………………………………… 229 6.5 实践五:基于 CycleGAN 模型的图像风格迁移 …………………………… 235 参考文献 ………………………………………………………………………………… 244 1 8