注重体验与质量的电子书资源下载网站
分类于: 云计算&大数据 职场办公
简介
MATLAB计算机视觉与深度学习实战 豆 0.0分
资源最后更新于 2020-09-23 15:16:20
作者：刘衍琦
出版社：电子工业出版社
出版日期：2017-01
ISBN：9787121315503
文件格式： pdf
标签： 计算机视觉 《matlab计算机视觉与深度学习实战》 matlab 深度学习 计算机视觉,matlab,科学 科学 中信咪咕 akb
简介· · · · · ·
《MATLAB 计算机视觉与深度学习实战》详细讲解了30个 MATLAB 计算机视觉与深度学习案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink 图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别等多项重要技术，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及其应用方面。
工欲善其事，必先利其器，《MATLAB 计算机视觉与深度学习实战》对每个数字图像处理的知识点都提供了丰富生动的案例素材，并详细讲解了其 MATLAB 实验的核心...
目录
第 1 章 基于直方图优化的图像去雾技术 1
1.1 案例背景 1
1.2 理论基础 1
1.2.1 空域图像增强 1
1.2.2 直方图均衡化 2
1.3 程序实现 3
1.3.1 设计 GUI 界面 4
1.3.2 全局直方图处理 4
1.3.3 局部直方图处理 7
1.3.4 Retinex 增强处理 9
1.4 延伸阅读 13
1.5 参考文献 13
第 2 章 基于 形态学的权重自适应图像去噪 14
2.1 案例背景 14
2.2 理论基础 15
2.2.1 图像去噪方法 15
2.2.2 数学形态学原理 16
2.2.3 权重自适应的多结构形态学去噪 16
2.3 程序实现 17
2.4 延伸阅读 22
2.5 参考文献 23
第 3 章 基于多尺度形态学提取眼前节组织 24
3.1 案例背景 24
3.2 理论基础 25
3.3 程序实现 28
3.3.1 多尺度边缘 28
3.3.2 主处理函数 29
3.3.3 形态学处理 31
3.4 延伸阅读 33
3.5 参考文献 33
第 4 章 基于 Hough 变化的答题卡识别 34
4.1 案例背景 34
4.2 理论基础 34
4.2.1 图像二值化 35
4.2.2 倾斜校正 35
4.2.3 图像分割 38
4.3 程序实现 40
4.4 延伸阅读 51
4.5 参考文献 51
第 5 章 基于阈值分割的车牌定位识别 52
5.1 案例背景 52
5.2 理论基础 52
5.2.1 车牌图像处理 53
5.2.2 车牌定位原理 57
5.2.3 车牌字符处理 57
5.2.4 字符识别 59
5.3 程序实现 61
5.4 延伸阅读 69
5.5 参考文献 69
第 6 章 基于分水岭分割进行肺癌诊断 70
6.1 案例背景 70
6.2 理论基础 70
6.2.1 模拟浸水的过程 71
6.2.2 模拟降水的过程 71
6.2.3 过度分割问题 71
6.2.4 标记分水岭分割算法 71
6.3 程序实现 72
6.4 延伸阅读 77
6.5 参考文献 78
第 7 章 基于主成分分析的人脸二维码识别 79
7.1 案例背景 79
7.2 理论基础 79
7.2.1 QR 编码简介 80
7.2.2 QR 编码译码 82
7.2.3 主成分分析方法 84
7.3 程序实现 86
7.3.1 人脸建库 86
7.3.2 人脸识别 87
7.3.3 人脸二维码 88
7.4 延伸阅读 93
7.5 参考文献 93
第 8 章 基于知识库的手写体数字识别 94
8.1 案例背景 94
8.2 理论基础 94
8.2.1 算法流程 94
8.2.2 特征提取 95
8.2.3 模式识别 96
8.3 程序实现 97
8.3.1 图像处理 97
8.3.2 特征提取 98
8.3.3 模式识别 101
8.4 延伸阅读 102
8.4.1 识别器选择 102
8.4.2 提高识别率 102
8.5 参考文献 102
第 9 章 基于特征匹配的英文印刷字符识别 103
9.1 案例背景 103
9.2 理论基础 104
9.2.1 图像预处理 104
9.2.2 图像识别技术 105
9.3 程序实现 106
9.4 延伸阅读 112
9.5 参考文献 112
第 10 章 基于不变矩的数字验证码识别 113
10.1 案例背景 113
10.2 理论基础 114
10.3 程序实现 114
10.3.1 设计 GUI 界面· 114
10.3.2 载入验证码图像 115
10.3.3 验证码图像去噪 117
10.3.4 验证码数字定位 118
10.3.5 验证码归一化 121
10.3.6 验证码数字识别 122
10.3.7 手动确认并入库 125
10.3.8 重新生成模板库 127
10.4 延伸阅读 129
10.5 参考文献 130
第 11 章 基于小波技术进行图像融合 131
11.1 案例背景 131
11.2 理论基础 132
11.3 程序实现 134
11.3.1 GUI 设计 134
11.3.2 图像载入 135
11.3.3 小波融合 136
11.4 延伸阅读 139
11.5 参考文献 139
第 12 章 基于块匹配的全景图像拼接 140
12.1 案例背景 140
12.2 理论基础 140
12.2.1 图像匹配 141
12.2.2 图像融合 143
12.3 程序实现 144
12.3.1 设计 GUI 144
12.3.2 载入图片 145
12.3.3 图像匹配 147
12.3.4 图像拼接 150
12.4 延伸阅读 156
12.5 参考文献 156
第 13 章 基于霍夫曼图像压缩重建 157
13.1 案例背景 157
13.2 理论基础 157
13.2.1 霍夫曼编码的步骤 158
13.2.2 霍夫曼编码的特点 158
13.3 程序实现 160
13.3.1 设计 GUI 160
13.3.2 压缩重构 161
13.3.3 效果对比 166
13.4 延伸阅读 168
13.5 参考文献 169
第 14 章 基于主成分分析的图像压缩和重建 170
14.1 案例背景 170
14.2 理论基础 170
14.2.1 主成分降维分析原理 170
14.2.2 由得分矩阵重建样本 171
14.2.3 主成分分析数据压缩比 172
14.2.4 基于主成分分析的图像压缩 172
14.3 程序实现 173
14.3.1 主成分分析源代码 173
14.3.2 图像和样本间转换 174
14.3.3 基于主成分分析的图像压缩 175
14.4 延伸阅读 178
14.5 参考文献 179
第 15 章 基于小波的图像压缩技术 180
15.1 案例背景 180
15.2 理论基础 181
15.3 程序实现 183
15.4 延伸阅读 191
15.5 参考文献 191
第 16 章 基于 Hu 不变矩的图像检索技术 192
16.1 案例背景 192
16.2 理论基础 192
16.3 程序实现 194
16.3.1 图像预处理 194
16.3.2 计算不变矩 194
16.3.3 图像检索 196
16.3.4 结果分析 198
16.4 延伸阅读 201
16.5 参考文献 202
第 17 章 基于 Harris 的角点特征检测 203
17.1 案例背景 203
17.2 理论基础 204
17.2.1 Harris 基本原理 204
17.2.2 Harris 算法流程 206
17.2.3 Harris 角点性质 206
17.3 程序实现 208
17.3.1 Harris 算法代码 208
17.3.2 角点检测实例 209
17.4 延伸阅读 210
17.5 参考文献 211
第 18 章 基于 GUI 搭建通用视频处理工具 212
18.1 案例背景 212
18.2 理论基础 212
18.3 程序实现 214
18.3.1 GUI 设计 214
18.3.2 GUI 实现 215
18.4 延伸阅读 226
18.5 参考文献 226
第 19 章 基于语音识别的信号灯图像模拟控制技术 227
19.1 案例背景 227
19.2 理论基础 227
19.3 程序实现 229
19.4 延伸阅读 239
19.5 参考文献 240
第 20 章 基于帧间差法进行视频目标检测 241
20.1 案例背景 241
20.2 理论基础 241
20.2.1 帧间差分法 242
20.2.2 背景差分法 243
20.2.3 光流法 243
20.3 程序实现 244
20.4 延伸阅读 253
20.5 参考文献 253
第 21 章 路面裂缝检测识别系统设计 254
21.1 案例背景 254
21.2 理论基础 254
21.2.1 图像灰度化 255
21.2.2 图像滤波 257
21.2.3 图像增强 259
21.2.4 图像二值化 260
21.3 程序实现 262
21.4 延伸阅读 274
21.5 参考文献 274
第 22 章 基于 K-means 聚类算法的图像区域分割 275
22.1 案例背景 275
22.2 理论基础 275
22.2.1 K-means 聚类算法原理 275
22.2.2 K-means 聚类算法的要点 276
22.2.3 K-means 聚类算法的缺点 277
22.2.4 基于 K-means 图像分割 278
22.3 程序实现 278
22.3.1 样本之间的巨鹿 278
22.3.2 提取特征向量 279
22.3.3 图像聚类分割 280
22.4 延伸阅读 282
22.5 参考文献 283
第 23 章 基于光流场的交通汽车检测跟踪 284
23.1 案例背景 284
23.2 理论基础 284
23.2.1 光流法检测运动原理 284
23.2.2 光流的主要计算方法 285
23.2.3 梯度光流场约束方程 287
23.2.4 Horn-Schunck 光流算法 288
23.3 程序实现 290
23.3.1 计算视觉系统工具箱简介 290
23.3.2 基于光流场检测汽车运动 291
23.3.3 搭建 Simulink 运动检测模型 295
23.4 延伸阅读 297
23.5 参考文献 298
第 24 章 基于 Simulink 进行图像和视频处理 299
24.1 案例背景 299
24.2 模块介绍 299
24.2.1 分析和增强模块库（Analysis & Enhancement）· 300
24.2.2 转化模块库（Conversions） 301
24.2.3 滤波 3 模块库（Filtering） 301
24.2.4 几何变换模块库（Geometric Transformations） 302
24.2.5 形态学操作模块库（Morphological Operations） 302
24.2.6 输入模块库（Sources） 303
24.2.7 输出模块库（Sinks）· 303
24.2.8 统计模块库（Statistics） 304
24.2.9 文本和图形模块库（Text & Graphic）· 304
24.2.10 变换模块库（Transforms） 305
24.2.11 其他工具模块库（Utilities） 305
24.3 仿真案例 306
24.3.1 搭建组织模型 306
24.3.2 仿真执行模型 308
24.3.3 代码自动生成 309
24.4 延伸阅读 314
24.5 参考文献 316
第 25 章 基于小波变换的数字水印技术 317
25.1 案例背景 317
25.2 理论基础 317
25.2.1 数字水印技术原理 318
25.2.2 典型的数字水印算法 320
25.2.3 数字水印攻击和评价 322
25.2.4 基于小波的水印技术 323
25.3 程序实现 326
25.3.1 准备载体和水印图像 326
25.3.2 小波数字水印的嵌入 327
25.3.3 小波数字水印的提取 331
25.3.4 小波水印的攻击试验 333
25.4 延伸阅读 337
25.5 参考文献 337
第 26 章 基于最小误差法的胸片分割 339
26.1 案例背景 339
26.2 理论基础 339
26.2.1 图像增强 340
26.2.2 区域选择 340
26.2.3 形态学滤波 341
26.2.4 最小误差法胸片分割 342
26.3 程序实现 343
26.3.1 设计 GUI 界面· 343
26.3.2 图像预处理 344
26.3.3 最小误差法分割 348
26.3.4 形态学后处理 350
26.4 延伸阅读 353
26.5 参考文献 353
第 27 章 基于区域生长的肝脏影像分割系统 354
27.1 案例背景 354
27.2 理论基础 355
27.2.1 阈值分割 355
27.2.2 区域生长 355
27.2.3 基于阈值预分割的区域生长 356
27.3 程序实现 357
27.4 延伸阅读 361
27.5 参考文献 361
第 28 章 基于深度学习的汽车目标检测 362
28.1 案例背景 362
28.2 理论基础 363
28.2.1 基本架构 363
28.2.2 卷积层 363
28.2.3 池化层 365
28.3 程序实现 365
28.3.1 加载数据 365
28.3.2 构建 CNN 网络 367
28.3.3 训练 CNN 网络 368
28.3.4 评估训练效果 370
28.4 延伸阅读 372
28.5 参考文献 372
第 29 章 基于计算机视觉的自动驾驶应用 374
29.1 案例背景 374
29.2 理论基础 375
29.2.1 环境感知 375
29.2.2 行为决策 375
29.2.3 路径规划 376
29.2.4 运动控制 376
29.3 程序实现 376
29.3.1 传感器数据载入 376
29.3.2 追踪器创建 378
29.3.3 碰撞预警 380
29.4 延伸阅读 385
29.5 参考文献 385
第 30 章 基于深度学习的视觉场景识别 386
30.1 案例背景 386
30.2 理论基础 387
30.2.1 发展历程 387
30.2.2 算法思想 387
30.3 程序实现 388
30.3.1 环境配置 388
30.3.2 数据集制作 389
30.3.3 网络训练 391
30.3.4 网络测试 397
30.4 延伸阅读 400
30.5 参考文献 400
1.1 案例背景 1
1.2 理论基础 1
1.2.1 空域图像增强 1
1.2.2 直方图均衡化 2
1.3 程序实现 3
1.3.1 设计 GUI 界面 4
1.3.2 全局直方图处理 4
1.3.3 局部直方图处理 7
1.3.4 Retinex 增强处理 9
1.4 延伸阅读 13
1.5 参考文献 13
第 2 章 基于 形态学的权重自适应图像去噪 14
2.1 案例背景 14
2.2 理论基础 15
2.2.1 图像去噪方法 15
2.2.2 数学形态学原理 16
2.2.3 权重自适应的多结构形态学去噪 16
2.3 程序实现 17
2.4 延伸阅读 22
2.5 参考文献 23
第 3 章 基于多尺度形态学提取眼前节组织 24
3.1 案例背景 24
3.2 理论基础 25
3.3 程序实现 28
3.3.1 多尺度边缘 28
3.3.2 主处理函数 29
3.3.3 形态学处理 31
3.4 延伸阅读 33
3.5 参考文献 33
第 4 章 基于 Hough 变化的答题卡识别 34
4.1 案例背景 34
4.2 理论基础 34
4.2.1 图像二值化 35
4.2.2 倾斜校正 35
4.2.3 图像分割 38
4.3 程序实现 40
4.4 延伸阅读 51
4.5 参考文献 51
第 5 章 基于阈值分割的车牌定位识别 52
5.1 案例背景 52
5.2 理论基础 52
5.2.1 车牌图像处理 53
5.2.2 车牌定位原理 57
5.2.3 车牌字符处理 57
5.2.4 字符识别 59
5.3 程序实现 61
5.4 延伸阅读 69
5.5 参考文献 69
第 6 章 基于分水岭分割进行肺癌诊断 70
6.1 案例背景 70
6.2 理论基础 70
6.2.1 模拟浸水的过程 71
6.2.2 模拟降水的过程 71
6.2.3 过度分割问题 71
6.2.4 标记分水岭分割算法 71
6.3 程序实现 72
6.4 延伸阅读 77
6.5 参考文献 78
第 7 章 基于主成分分析的人脸二维码识别 79
7.1 案例背景 79
7.2 理论基础 79
7.2.1 QR 编码简介 80
7.2.2 QR 编码译码 82
7.2.3 主成分分析方法 84
7.3 程序实现 86
7.3.1 人脸建库 86
7.3.2 人脸识别 87
7.3.3 人脸二维码 88
7.4 延伸阅读 93
7.5 参考文献 93
第 8 章 基于知识库的手写体数字识别 94
8.1 案例背景 94
8.2 理论基础 94
8.2.1 算法流程 94
8.2.2 特征提取 95
8.2.3 模式识别 96
8.3 程序实现 97
8.3.1 图像处理 97
8.3.2 特征提取 98
8.3.3 模式识别 101
8.4 延伸阅读 102
8.4.1 识别器选择 102
8.4.2 提高识别率 102
8.5 参考文献 102
第 9 章 基于特征匹配的英文印刷字符识别 103
9.1 案例背景 103
9.2 理论基础 104
9.2.1 图像预处理 104
9.2.2 图像识别技术 105
9.3 程序实现 106
9.4 延伸阅读 112
9.5 参考文献 112
第 10 章 基于不变矩的数字验证码识别 113
10.1 案例背景 113
10.2 理论基础 114
10.3 程序实现 114
10.3.1 设计 GUI 界面· 114
10.3.2 载入验证码图像 115
10.3.3 验证码图像去噪 117
10.3.4 验证码数字定位 118
10.3.5 验证码归一化 121
10.3.6 验证码数字识别 122
10.3.7 手动确认并入库 125
10.3.8 重新生成模板库 127
10.4 延伸阅读 129
10.5 参考文献 130
第 11 章 基于小波技术进行图像融合 131
11.1 案例背景 131
11.2 理论基础 132
11.3 程序实现 134
11.3.1 GUI 设计 134
11.3.2 图像载入 135
11.3.3 小波融合 136
11.4 延伸阅读 139
11.5 参考文献 139
第 12 章 基于块匹配的全景图像拼接 140
12.1 案例背景 140
12.2 理论基础 140
12.2.1 图像匹配 141
12.2.2 图像融合 143
12.3 程序实现 144
12.3.1 设计 GUI 144
12.3.2 载入图片 145
12.3.3 图像匹配 147
12.3.4 图像拼接 150
12.4 延伸阅读 156
12.5 参考文献 156
第 13 章 基于霍夫曼图像压缩重建 157
13.1 案例背景 157
13.2 理论基础 157
13.2.1 霍夫曼编码的步骤 158
13.2.2 霍夫曼编码的特点 158
13.3 程序实现 160
13.3.1 设计 GUI 160
13.3.2 压缩重构 161
13.3.3 效果对比 166
13.4 延伸阅读 168
13.5 参考文献 169
第 14 章 基于主成分分析的图像压缩和重建 170
14.1 案例背景 170
14.2 理论基础 170
14.2.1 主成分降维分析原理 170
14.2.2 由得分矩阵重建样本 171
14.2.3 主成分分析数据压缩比 172
14.2.4 基于主成分分析的图像压缩 172
14.3 程序实现 173
14.3.1 主成分分析源代码 173
14.3.2 图像和样本间转换 174
14.3.3 基于主成分分析的图像压缩 175
14.4 延伸阅读 178
14.5 参考文献 179
第 15 章 基于小波的图像压缩技术 180
15.1 案例背景 180
15.2 理论基础 181
15.3 程序实现 183
15.4 延伸阅读 191
15.5 参考文献 191
第 16 章 基于 Hu 不变矩的图像检索技术 192
16.1 案例背景 192
16.2 理论基础 192
16.3 程序实现 194
16.3.1 图像预处理 194
16.3.2 计算不变矩 194
16.3.3 图像检索 196
16.3.4 结果分析 198
16.4 延伸阅读 201
16.5 参考文献 202
第 17 章 基于 Harris 的角点特征检测 203
17.1 案例背景 203
17.2 理论基础 204
17.2.1 Harris 基本原理 204
17.2.2 Harris 算法流程 206
17.2.3 Harris 角点性质 206
17.3 程序实现 208
17.3.1 Harris 算法代码 208
17.3.2 角点检测实例 209
17.4 延伸阅读 210
17.5 参考文献 211
第 18 章 基于 GUI 搭建通用视频处理工具 212
18.1 案例背景 212
18.2 理论基础 212
18.3 程序实现 214
18.3.1 GUI 设计 214
18.3.2 GUI 实现 215
18.4 延伸阅读 226
18.5 参考文献 226
第 19 章 基于语音识别的信号灯图像模拟控制技术 227
19.1 案例背景 227
19.2 理论基础 227
19.3 程序实现 229
19.4 延伸阅读 239
19.5 参考文献 240
第 20 章 基于帧间差法进行视频目标检测 241
20.1 案例背景 241
20.2 理论基础 241
20.2.1 帧间差分法 242
20.2.2 背景差分法 243
20.2.3 光流法 243
20.3 程序实现 244
20.4 延伸阅读 253
20.5 参考文献 253
第 21 章 路面裂缝检测识别系统设计 254
21.1 案例背景 254
21.2 理论基础 254
21.2.1 图像灰度化 255
21.2.2 图像滤波 257
21.2.3 图像增强 259
21.2.4 图像二值化 260
21.3 程序实现 262
21.4 延伸阅读 274
21.5 参考文献 274
第 22 章 基于 K-means 聚类算法的图像区域分割 275
22.1 案例背景 275
22.2 理论基础 275
22.2.1 K-means 聚类算法原理 275
22.2.2 K-means 聚类算法的要点 276
22.2.3 K-means 聚类算法的缺点 277
22.2.4 基于 K-means 图像分割 278
22.3 程序实现 278
22.3.1 样本之间的巨鹿 278
22.3.2 提取特征向量 279
22.3.3 图像聚类分割 280
22.4 延伸阅读 282
22.5 参考文献 283
第 23 章 基于光流场的交通汽车检测跟踪 284
23.1 案例背景 284
23.2 理论基础 284
23.2.1 光流法检测运动原理 284
23.2.2 光流的主要计算方法 285
23.2.3 梯度光流场约束方程 287
23.2.4 Horn-Schunck 光流算法 288
23.3 程序实现 290
23.3.1 计算视觉系统工具箱简介 290
23.3.2 基于光流场检测汽车运动 291
23.3.3 搭建 Simulink 运动检测模型 295
23.4 延伸阅读 297
23.5 参考文献 298
第 24 章 基于 Simulink 进行图像和视频处理 299
24.1 案例背景 299
24.2 模块介绍 299
24.2.1 分析和增强模块库（Analysis & Enhancement）· 300
24.2.2 转化模块库（Conversions） 301
24.2.3 滤波 3 模块库（Filtering） 301
24.2.4 几何变换模块库（Geometric Transformations） 302
24.2.5 形态学操作模块库（Morphological Operations） 302
24.2.6 输入模块库（Sources） 303
24.2.7 输出模块库（Sinks）· 303
24.2.8 统计模块库（Statistics） 304
24.2.9 文本和图形模块库（Text & Graphic）· 304
24.2.10 变换模块库（Transforms） 305
24.2.11 其他工具模块库（Utilities） 305
24.3 仿真案例 306
24.3.1 搭建组织模型 306
24.3.2 仿真执行模型 308
24.3.3 代码自动生成 309
24.4 延伸阅读 314
24.5 参考文献 316
第 25 章 基于小波变换的数字水印技术 317
25.1 案例背景 317
25.2 理论基础 317
25.2.1 数字水印技术原理 318
25.2.2 典型的数字水印算法 320
25.2.3 数字水印攻击和评价 322
25.2.4 基于小波的水印技术 323
25.3 程序实现 326
25.3.1 准备载体和水印图像 326
25.3.2 小波数字水印的嵌入 327
25.3.3 小波数字水印的提取 331
25.3.4 小波水印的攻击试验 333
25.4 延伸阅读 337
25.5 参考文献 337
第 26 章 基于最小误差法的胸片分割 339
26.1 案例背景 339
26.2 理论基础 339
26.2.1 图像增强 340
26.2.2 区域选择 340
26.2.3 形态学滤波 341
26.2.4 最小误差法胸片分割 342
26.3 程序实现 343
26.3.1 设计 GUI 界面· 343
26.3.2 图像预处理 344
26.3.3 最小误差法分割 348
26.3.4 形态学后处理 350
26.4 延伸阅读 353
26.5 参考文献 353
第 27 章 基于区域生长的肝脏影像分割系统 354
27.1 案例背景 354
27.2 理论基础 355
27.2.1 阈值分割 355
27.2.2 区域生长 355
27.2.3 基于阈值预分割的区域生长 356
27.3 程序实现 357
27.4 延伸阅读 361
27.5 参考文献 361
第 28 章 基于深度学习的汽车目标检测 362
28.1 案例背景 362
28.2 理论基础 363
28.2.1 基本架构 363
28.2.2 卷积层 363
28.2.3 池化层 365
28.3 程序实现 365
28.3.1 加载数据 365
28.3.2 构建 CNN 网络 367
28.3.3 训练 CNN 网络 368
28.3.4 评估训练效果 370
28.4 延伸阅读 372
28.5 参考文献 372
第 29 章 基于计算机视觉的自动驾驶应用 374
29.1 案例背景 374
29.2 理论基础 375
29.2.1 环境感知 375
29.2.2 行为决策 375
29.2.3 路径规划 376
29.2.4 运动控制 376
29.3 程序实现 376
29.3.1 传感器数据载入 376
29.3.2 追踪器创建 378
29.3.3 碰撞预警 380
29.4 延伸阅读 385
29.5 参考文献 385
第 30 章 基于深度学习的视觉场景识别 386
30.1 案例背景 386
30.2 理论基础 387
30.2.1 发展历程 387
30.2.2 算法思想 387
30.3 程序实现 388
30.3.1 环境配置 388
30.3.2 数据集制作 389
30.3.3 网络训练 391
30.3.4 网络测试 397
30.4 延伸阅读 400
30.5 参考文献 400
猜你喜欢
PyTorch机器学习从入门到实战
评分: 0.0
MXNet深度学习实战
评分: 0.0
Keras深度学习实战
评分: 0.0
基于浏览器的深度学习: 智能系统与技术丛书
评分: 0.0