扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
机器人智能视觉感知与深度学习应用 版权信息
- ISBN：9787111728726
- 条形码：9787111728726 ; 978-7-111-72872-6
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
机器人智能视觉感知与深度学习应用 本书特色
本书基于机器人视觉感知与控制技术国家工程研究中心多年的研究积累，从原理方法、算法开发、模型搭建、实验验证和对比分析等方面概述了机器人视觉感知系统和深度学习技术。
机器人智能视觉感知与深度学习应用 内容简介
主要内容包括基于深度学习的智能视觉感知技术概述、相机标定、视觉目标检测、视觉目标分割、视觉目标跟踪、行人重识别、人体姿态估计、智能喷码检测、智能表格识别、移动机器人视觉感知系统、智能人机交互等。全书拟从理论到实际应用，从算法分析到编程实现等多角度全方位介绍深度学习技术在智能视觉感知方面的研究，并深度结合了当前国内外近期新研究热点，为业内人士从事相关研究与应用工作提供重要参考。
机器人智能视觉感知与深度学习应用 目录
目 录
推荐序
前言
第1章 绪论 1
1.1 机器人视觉感知系统 2
1.2 机器人视觉感知发展趋势 2
1.3 机器人视觉感知研究挑战 3
1.4 喷码识别系统应用实践 8
1.4.1 喷码检测方法概述 9
1.4.2 喷码识别系统需求分析 11
1.4.3 喷码识别系统硬件选型 12
1.4.4 基于轻量级Ghost-YOLO
模型的喷码识别 16
1.5 本章小结 30
第2章 机器人智能视觉感知系统
概述 31
2.1 机器人智能视觉感知系统组成 31
2.2 机器人智能视觉感知的主要
流程 37
2.3 机器人智能视觉感知的典型
应用 39
2.3.1 面向农业机器人的视觉感知概述 40
2.3.2 基于多模型融合的应用
实践 41
2.4 本章小结 49
第3章 深度学习技术概述 50
3.1 全连接神经网络 50
3.1.1 反向传播原理 52
3.1.2 全连接神经网络的缺点 53
3.2 卷积神经网络及其应用 53
3.2.1 神经网络的基本运算 54
3.2.2 神经网络的常用函数 58
3.2.3 模型融合 64
3.2.4 循环神经网络 66
3.2.5 集成学习理论基础 69
3.3 基于深度学习的视觉目标检测 70
3.3.1 两阶段算法 71
3.3.2 一阶段算法 71
3.4 基于深度学习的视觉目标跟踪 73
3.4.1 单目标跟踪 73
3.4.2 多目标跟踪 74
3.5 本章小结 75
第4章 自然场景下文本检测与
识别 76
4.1 概述 76
4.2 基于图像分割的场景文本检测 81
4.2.1 特征提取网络 82
4.2.2 文本区域掩码标签的
生成 83
4.2.3 场景文本区域的检测 84
4.2.4 文本区域的后处理算法 85
4.2.5 文本检测应用实践 87
4.3 基于序列的场景文本识别 92
4.3.1 场景文本特征序列的
提取 93
4.3.2 特征序列上下文信息
提取 95
4.3.3 转录层文本识别 98
4.3.4 文本识别网络 100
4.3.5 模型训练 101
4.3.6 文本识别应用实践 102
4.4 基于轻量级模型的喷码文本识别
系统 106
4.4.1 字符区域提取 107
4.4.2 字符文本处理 108
4.4.3 字符文本识别 109
4.4.4 字符文本识别应用实践 115
4.4.5 基于嵌入式系统的算法
设计与实现 121
4.4.6 系统运行测试 124
4.5 本章小结 125
第5章 视觉目标检测 126
5.1 目标检测系统概述 126
5.2 目标检测的相关概念 129
5.3 目标检测模型分类 133
5.4 数据获取与处理 135
5.4.1 数据预处理 136
5.4.2 数据标注 138
5.5 基于R-FCN的目标检测 140
5.5.1 R-FCN基本原理介绍 140
5.5.2 R-FCN算法的改进 146
5.5.3 目标检测应用实践 150
5.6 基于Mask R-CNN的目标检测 153
5.6.1 Mask R-CNN算法基本
原理 154
5.6.2 改进Mask R-CNN模型 157
5.6.3 Mask R-CNN应用实践 162
5.6.4 篮球以及球员检测系统
软件设计 164
5.7 本章小结 167
第6章 多目标跟踪 168
6.1 目标跟踪概述 168
6.1.1 单目标跟踪 168
6.1.2 多目标跟踪 171
6.1.3 多相机多目标跟踪 175
6.2 多目标跟踪系统构成 176
6.3 基于序列特征的多目标跟踪
方法 177
6.4 基于上下文图模型的单相机多目标
跟踪 184
6.4.1 图卷积神经网络的基础
知识 186
6.4.2 基于上下文图模型的单相机多球员跟踪 187
6.4.3 多目标跟踪应用实践 193
6.5 本章小结 199
第7章 图像语义分割 200
7.1 图像语义分割概述 200
7.1.1 图像分割算法的定义 200
7.1.2 传统的图像分割算法 200
7.1.3 基于卷积神经网络的图像
语义分割算法 204
7.2 基于自适应特征选择网络的遥感
影像语义分割 208
7.2.1 基于自适应特征选择
网络的遥感影像语义分割
算法 208
7.2.2 基于自适应特征选择网络的遥感影像分割应用实践 211
7.3 基于SU-SWA的区域分割 215
7.3.1 基于SU-SWA的区域分割
任务分析 215
7.3.2 基于SU-SWA的区域分割
方法 215
7.3.3 基于SU-SWA的区域分割
应用实践 219
7.4 本章小结 229
参考文献 230
推荐序
前言
第1章 绪论 1
1.1 机器人视觉感知系统 2
1.2 机器人视觉感知发展趋势 2
1.3 机器人视觉感知研究挑战 3
1.4 喷码识别系统应用实践 8
1.4.1 喷码检测方法概述 9
1.4.2 喷码识别系统需求分析 11
1.4.3 喷码识别系统硬件选型 12
1.4.4 基于轻量级Ghost-YOLO
模型的喷码识别 16
1.5 本章小结 30
第2章 机器人智能视觉感知系统
概述 31
2.1 机器人智能视觉感知系统组成 31
2.2 机器人智能视觉感知的主要
流程 37
2.3 机器人智能视觉感知的典型
应用 39
2.3.1 面向农业机器人的视觉感知概述 40
2.3.2 基于多模型融合的应用
实践 41
2.4 本章小结 49
第3章 深度学习技术概述 50
3.1 全连接神经网络 50
3.1.1 反向传播原理 52
3.1.2 全连接神经网络的缺点 53
3.2 卷积神经网络及其应用 53
3.2.1 神经网络的基本运算 54
3.2.2 神经网络的常用函数 58
3.2.3 模型融合 64
3.2.4 循环神经网络 66
3.2.5 集成学习理论基础 69
3.3 基于深度学习的视觉目标检测 70
3.3.1 两阶段算法 71
3.3.2 一阶段算法 71
3.4 基于深度学习的视觉目标跟踪 73
3.4.1 单目标跟踪 73
3.4.2 多目标跟踪 74
3.5 本章小结 75
第4章 自然场景下文本检测与
识别 76
4.1 概述 76
4.2 基于图像分割的场景文本检测 81
4.2.1 特征提取网络 82
4.2.2 文本区域掩码标签的
生成 83
4.2.3 场景文本区域的检测 84
4.2.4 文本区域的后处理算法 85
4.2.5 文本检测应用实践 87
4.3 基于序列的场景文本识别 92
4.3.1 场景文本特征序列的
提取 93
4.3.2 特征序列上下文信息
提取 95
4.3.3 转录层文本识别 98
4.3.4 文本识别网络 100
4.3.5 模型训练 101
4.3.6 文本识别应用实践 102
4.4 基于轻量级模型的喷码文本识别
系统 106
4.4.1 字符区域提取 107
4.4.2 字符文本处理 108
4.4.3 字符文本识别 109
4.4.4 字符文本识别应用实践 115
4.4.5 基于嵌入式系统的算法
设计与实现 121
4.4.6 系统运行测试 124
4.5 本章小结 125
第5章 视觉目标检测 126
5.1 目标检测系统概述 126
5.2 目标检测的相关概念 129
5.3 目标检测模型分类 133
5.4 数据获取与处理 135
5.4.1 数据预处理 136
5.4.2 数据标注 138
5.5 基于R-FCN的目标检测 140
5.5.1 R-FCN基本原理介绍 140
5.5.2 R-FCN算法的改进 146
5.5.3 目标检测应用实践 150
5.6 基于Mask R-CNN的目标检测 153
5.6.1 Mask R-CNN算法基本
原理 154
5.6.2 改进Mask R-CNN模型 157
5.6.3 Mask R-CNN应用实践 162
5.6.4 篮球以及球员检测系统
软件设计 164
5.7 本章小结 167
第6章 多目标跟踪 168
6.1 目标跟踪概述 168
6.1.1 单目标跟踪 168
6.1.2 多目标跟踪 171
6.1.3 多相机多目标跟踪 175
6.2 多目标跟踪系统构成 176
6.3 基于序列特征的多目标跟踪
方法 177
6.4 基于上下文图模型的单相机多目标
跟踪 184
6.4.1 图卷积神经网络的基础
知识 186
6.4.2 基于上下文图模型的单相机多球员跟踪 187
6.4.3 多目标跟踪应用实践 193
6.5 本章小结 199
第7章 图像语义分割 200
7.1 图像语义分割概述 200
7.1.1 图像分割算法的定义 200
7.1.2 传统的图像分割算法 200
7.1.3 基于卷积神经网络的图像
语义分割算法 204
7.2 基于自适应特征选择网络的遥感
影像语义分割 208
7.2.1 基于自适应特征选择
网络的遥感影像语义分割
算法 208
7.2.2 基于自适应特征选择网络的遥感影像分割应用实践 211
7.3 基于SU-SWA的区域分割 215
7.3.1 基于SU-SWA的区域分割
任务分析 215
7.3.2 基于SU-SWA的区域分割
方法 215
7.3.3 基于SU-SWA的区域分割
应用实践 219
7.4 本章小结 229
参考文献 230
展开全部
机器人智能视觉感知与深度学习应用 作者简介
梁桥康，博士，教授，博士研究生导师，机器人视觉感知与控制技术国家工程研究中心副主任、电子制造业智能机器人技术湖南省重点实验室副主任，入选湖南省优秀青年骨干教师，被授予湖南省优秀党务工作者、湖南省教育系统优秀党务工作者、湖南大学优秀党支部书记、湖南大学优秀教师、湖南大学我心目中最敬爱的老师等荣誉称号。研究方向为机器人智能感知与控制、人工智能及其应用技术、机器人力触觉感知与应用。先后主持了国家重点研发计划“智能机器人”重点专项课题等多个国家级项目，在国内外学术期刊上发表论文80余篇，出版专著和教材6部，拥有国家发明专利10余项，获省部级奖励6项。
书友推荐
- >
推拿
推拿
¥12.2¥32.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
二体千字文
二体千字文
¥21.6¥40.0 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
有舍有得是人生
有舍有得是人生
¥20.1¥45.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥14.9¥49.8 - >
朝闻道
朝闻道
¥15.0¥23.8
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
