机器视觉理论与实战

本书遵循教育部教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

随着信息技术的快速发展和行业需求的日益旺盛，人工智能技术获得了广泛关注，在全社会形成了人工智能技术研究和应用的热潮。本书围绕人工智能技术中的机器视觉技术进行介绍，重点讲解应用百度飞桨开源框架实现机器视觉项目开发的完整流程。本书共分7章：第1章对人工智能技术的发展阶段和基本概念进行了介绍，重点介绍了人工智能技术的核心内容，尤其是机器视觉技术；第2章对人工智能技术中涉及的相关理论知识进行了讲解，帮助读者掌握基本的数学方法；第3章通过案例，对百度飞桨的功能特点和使用方法进行了详细讲解，帮助读者快速掌握开发机器视觉项目的工具；作为本书的重点，第4~6章通过项目案例，详细讲解了OCR、目标检测、语义分割项目的实现过程，通过项目实战，帮助读者掌握机器视觉项目开发的基本技能；第7章对人工智能技术未来发展进行了介绍与展望。 本书适合作为普通高等院校人工智能、计算机、电子信息、机器人、自动化、机电一体化等专业本科生的教材，通过对书中内容的学习，读者可以掌握人工智能技术开发的基本技能。也可以作为从事人工智能技术研究、项目开发人员的参考书，快速实现项目应用落地。同时本书也适用于对人工智能技术感兴趣的读者，了解人工智能技术的一些基本概念和发展趋势。 本书配有电子课件、教学大纲、习题解答和配套教学视频等教学 资源，欢迎选用本书作教材的教师，登录www.cmpedu.com注册后下 载，或发邮件到jinacmp@163.com索取;也可加微信13910750469 联系教学资源下载事宜。

目录 前言 第1章   绪论1     导读1     本章知识点1     1.1  人工智能简介1     1.2  人工智能技术发展阶段3     1.3  人工智能技术研究的各种学派4     1.4  人工智能技术研究领域5     1.5  机器视觉概述6     1.5.1  机器视觉主要分类7     1.5.2  机器视觉研究难点10     本章小结10     习题10 第2章   机器视觉相关理论12     导读12     本章知识点12     2.1  机器视觉系统组成12     2.1.1  图像采集系统14     2.1.2  图像分析与处理系统17     2.2  常用数学方法18     2.2.1  归一化18     2.2.2  正则化20     2.2.3  标准化20     2.2.4  梯度下降21     2.3  深度学习理论的由来23     2.3.1  MP模型23     2.3.2  感知机24     2.3.3  人工神经网络26     2.4  卷积神经网络28     2.4.1  总体结构28     2.4.2  图像原理28     2.4.3  卷积运算28     2.4.4  池化运算29     2.4.5  激活函数30     本章小结30     习题30 第3章   Paddle开发详解32     导读32     本章知识点32     3.1  Paddle介绍32     3.1.1  Paddle概述32     3.1.2  Paddle安装指南32     3.1.3  Paddle工具箱34     3.1.4  Paddle API35     3.1.5  AI Studio平台35     3.2  快速上手Paddle38     3.2.1  环境配置38     3.2.2  数据集定义与加载39     3.2.3  数据预处理46     3.2.4  模型组网49     3.2.5  模型训练、评估与推理53     3.2.6  模型保存与加载59     3.2.7  推理部署63     本章小结74     习题74 第4章   OCR文字识别原理与实战75     导读75     本章知识点75     4.1  OCR概述75     4.1.1  OCR技术介绍76     4.1.2  文本检测77     4.1.3  文本识别78     4.2  数显屏数据自动识别系统79     4.2.1  系统结构设计80     4.2.2  DBNet算法实现与解析81     4.2.3  CRNN算法实现与解析86     4.2.4  数据自动识别算法开发90     4.2.5  案例总结101     4.3  芯片表面序列码识别系统101     4.3.1  OCR算法实现101     4.3.2  序列码识别算法开发104     4.3.3  系统测试与部署117     本章小结121     习题121 第5章   目标检测算法原理与实战122     导读122     本章知识点122     5.1  目标检测算法122     5.1.1  图像处理122     5.1.2  现代卷积神经网络 126     5.1.3  注意力机制137     5.1.4  关键技术148     5.2  人员摔倒检测系统159     5.2.1  系统需求分析159     5.2.2  系统结构设计160     5.2.3  算法开发173     5.2.4  系统测试与部署177     5.2.5  总结180     5.3  无人机航拍小目标检测系统180     5.3.1  系统需求分析181     5.3.2  无人机小目标算法开发182     本章小结189     习题190 第6章   语义分割原理与实战191     导读191     本章知识点191     6.1  语义分割概述191     6.2  基于UNet模型实现脊柱CT定位192     6.2.1  系统结构设计192     6.2.2  自适应卷积块和空间注意力模块192     6.2.3  算法设计193     6.2.4  代码实现198     6.2.5  系统测试202     本章小结204     习题204 第7章   人工智能技术新发展205     导读205     本章知识点205     7.1  相关技术发展205     7.2  未来应用领域206     7.3  大语言模型207     7.4  大模型未来发展趋势210     本章小结210     习题211 附录  212 参考文献  214