计算机视觉实践(第2版)

第1章Python基础 1.1实践一： 九九乘法表 1.2实践二： 随机数生成与排序 1.3实践三： 批量文件遍历、复制、重命名 1.4实践四： 图像直方图统计 1.5实践五： 数据统计分析及可视化 1.6实践六： 图像预处理
第2章图像分类 2.1实践一： 基于深度神经网络的宝石分类 2.2实践二： 基于卷积神经网络的美食识别 2.3实践三： 基于VGG系列网络的场景图像分类 2.4实践四： 基于ResNet系列模型的车辆图像分类实践 2.5实践五： 基于Vision Transformer的CIFAR10分类
第3章目标检测 3.1实践一： 基于Faster RCNN模型的瓷砖瑕疵检测(两阶段目标检测) 3.2实践二： 基于YOLOV3/PPYOLO模型的昆虫检测(一阶段目标检测) 3.3实践三： 基于DETR模型的目标检测
第4章图像分割 4.1实践一： 基于UNet/DeepLabV3 Plus模型的宠物图像分割 4.2实践二： 基于PaddleSeg的人像视频分割 4.3实践三： 基于PSPNet模型的人体图像分割 4.4实践四： 基于SwinUNet模型的医学图像分割
第5章视频分类 5.1实践一： 基于TSN模型的视频分类 5.2实践二： 基于ECO模型的视频分类 5.3实践三： 基于TimeSformer模型的视频分类
第6章图像生成 6.1实践一： 基于GAN模型的时尚衣服生成 6.2实践二： 基于PaddleGAN的图像超分辨率 6.3实践三： 基于DCGAN模型的人脸图像生成 6.4实践四： 基于Pix2Pix模型的图像翻译 6.5实践五： 基于CycleGAN模型的图像风格迁移
参考文献