本書(shū)從機(jī)器視覺(jué)和深度學(xué)習(xí)的基礎(chǔ)概念入手，以流行的深度學(xué)習(xí)框架PyTorch為基礎(chǔ)，展示深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方面的應(yīng)用。作為機(jī)器視覺(jué)的入門(mén)和實(shí)戰(zhàn)教程，本書(shū)以簡(jiǎn)潔易懂的語(yǔ)言和示例介紹相關(guān)機(jī)器視覺(jué)和深度學(xué)習(xí)的理論知識(shí)，并介紹如何更好地使用PyTorch深度學(xué)習(xí)框架來(lái)處理機(jī)器視覺(jué)方面的問(wèn)題。
　　本書(shū)共7章，主要內(nèi)容如下：
　　第1章機(jī)器視覺(jué)基礎(chǔ)。本章介紹了有關(guān)機(jī)器視覺(jué)的基礎(chǔ)知識(shí)，包括機(jī)器視覺(jué)的概念、發(fā)展和應(yīng)用，分析了機(jī)器視覺(jué)的任務(wù)，研究了機(jī)器視覺(jué)的構(gòu)成及各組成部分的主要功能，并從圖像噪聲、圖像濾波、幾何變換和圖像特征四個(gè)方面深入分析了機(jī)器視覺(jué)的原理，為后續(xù)相關(guān)內(nèi)容的研究奠定了基礎(chǔ)。
　　第2章神經(jīng)網(wǎng)絡(luò)與機(jī)器視覺(jué)。本章介紹了神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、典型CNN架構(gòu)模型及常見(jiàn)深度學(xué)習(xí)框架。其中，典型CNN架構(gòu)模型包括LeNet-5、AlexNet、GoogleNet、VGGNet、ResNet等；常見(jiàn)的深度學(xué)習(xí)框架包括TensorFlow、PyTorch、Keras、Caffe、CNTK、MXNet等。
　　第3章機(jī)器學(xué)習(xí)開(kāi)發(fā)實(shí)踐環(huán)境。本章首先介紹了機(jī)器學(xué)習(xí)開(kāi)發(fā)所用到的實(shí)踐環(huán)境，包括Anaconda開(kāi)發(fā)平臺(tái)的基礎(chǔ)知識(shí)及其安裝方法，以及嵌入式機(jī)器視覺(jué)開(kāi)發(fā)平臺(tái)及其相關(guān)技術(shù)；其次介紹了如何安裝Anaconda，以及在Anaconda環(huán)境下安裝TensorFlow和PyTorch框架的方法；最后介紹了機(jī)器視覺(jué)開(kāi)發(fā)常用的幾種數(shù)據(jù)集，并給出了示例。
　　第4章圖像分類(lèi)開(kāi)發(fā)實(shí)踐。本章主要介紹了圖像分類(lèi)基本概念及原理、典型分類(lèi)模型和圖像分類(lèi)的軟硬件開(kāi)發(fā)環(huán)境，并通過(guò)實(shí)戰(zhàn)的方式對(duì)圖像分類(lèi)進(jìn)行了介紹，包括數(shù)據(jù)預(yù)處理、模型搭建、訓(xùn)練及最后的驗(yàn)證。
　　第5章目標(biāo)檢測(cè)開(kāi)發(fā)實(shí)踐。本章首先從目標(biāo)檢測(cè)任務(wù)的需求出發(fā)，對(duì)目標(biāo)檢測(cè)的性能指標(biāo)做了介紹；其次介紹了傳統(tǒng)的基于特征的目標(biāo)檢測(cè)算法模型及利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)算法模型，著重介紹了YOLO模型及原理，特別是算法的訓(xùn)練與預(yù)測(cè)中的具體細(xì)節(jié)；最后給出了如何使用PyTorch實(shí)現(xiàn)YOLOv5算法。
　　第6章圖像分割開(kāi)發(fā)實(shí)踐。本章首先介紹了圖像分割的基本概念，包括圖像分割的內(nèi)容、類(lèi)別及目的；其次介紹了基于閾值、區(qū)域、邊緣檢測(cè)等的常見(jiàn)傳統(tǒng)圖像分割方法，包括基本思想和具體程序?qū)崿F(xiàn)；最后介紹了當(dāng)前基于深度學(xué)習(xí)的核心思想和常用數(shù)據(jù)集，分析了經(jīng)典分割框架FCN的基本原理，在此基礎(chǔ)上介紹其改進(jìn)后提出的UNet方法，并在介紹相關(guān)算法基本原理的基礎(chǔ)上，給出了主要實(shí)驗(yàn)過(guò)程和關(guān)鍵代碼以供參考。
　　第7章圖像生成技術(shù)。圖像生成領(lǐng)域內(nèi)主流的圖像生成技術(shù)有三類(lèi)，分別是PixelCNN像素卷積網(wǎng)絡(luò)、VAE變分自編碼器和GAN生成對(duì)抗網(wǎng)絡(luò)。本章選擇了最近熱門(mén)的GAN生成對(duì)抗網(wǎng)絡(luò)作為主要內(nèi)容，重點(diǎn)介紹了生成對(duì)抗網(wǎng)絡(luò)思想及算法推導(dǎo)，利用PyTorch實(shí)現(xiàn)了WGAN算法，并利用不同的數(shù)據(jù)集來(lái)生成圖像。
　　本書(shū)可為機(jī)器視覺(jué)研究領(lǐng)域提供良好的理論指導(dǎo)和技術(shù)支撐，進(jìn)一步地，讀者可結(jié)合典型應(yīng)用場(chǎng)景，依據(jù)本書(shū)提供的經(jīng)典案例和代碼，開(kāi)展具體實(shí)踐驗(yàn)證。編者結(jié)合多年在機(jī)器視覺(jué)方面的科研與教學(xué)經(jīng)驗(yàn)，參考國(guó)內(nèi)外最新研究成果，總結(jié)并編寫(xiě)本書(shū)，希望對(duì)讀者有所幫助。