第1部分基 礎 知 識 第1章圖像處理基礎 1.1圖像處理的基本概念 1.1.1模擬圖像和數字圖像 1.1.2數字圖像常見類型 1.1.3應用方向 1.2圖像處理基本操作 1.2.1安裝OpenCV 1.2.2圖像讀取、保存和可視化 1.2.3像素操作 1.2.4圖像轉換 1.2.5圖像縮放 1.2.6圖像裁剪 1.2.7翻轉和旋轉 1.3圖像卷積和濾波 1.3.1線性濾波與卷積 1.3.2常見卷積核 1.4綜合案例應用: 基于OpenCV的自動駕駛小車 1.4.1任務概述 1.4.2安裝仿真平臺 1.4.3車道線檢測 1.4.4動作控制 1.5小結 第2章深度學習基礎 2.1深度學習概述 2.1.1人工智能、機器學習和深度學習 2.1.2深度學習起源和發展 2.1.3深度學習框架 2.2環境安裝 2.2.1安裝說明 2.2.2Windows平臺 2.2.3Ubuntu平臺 2.2.4AI Studio平臺 2.3PaddlePaddle基礎 2.3.1Tensor表示 2.3.2Tensor計算 2.3.3自動求梯度 2.4PaddlePaddle實現機器學習: 線性回歸投資預測 2.4.1問題定義 2.4.2導數法 2.4.3梯度下降法 2.5PaddlePaddle實現深度學習: 自動駕駛小車控制 2.5.1卷積神經網絡基礎 2.5.2算法原理 2.5.3數據采集 2.5.4數據讀取 2.5.5網絡模型 2.5.6損失函數 2.5.7優化算法 2.5.8模型訓練 2.5.9模型驗證 2.5.10模型集成 2.6小結 第2部分案 例 應 用 第3章圖像分類(智能垃圾分揀器) 3.1任務概述 3.1.1任務背景 3.1.2安裝PaddleClas套件 3.2算法原理 3.2.1VGG算法 3.2.2ResNet算法 3.2.3MobileNet算法 3.3算法研發 3.3.1數據集準備 3.3.2算法訓練 3.4Jetson Nano智能終端部署(Linux GPU推理) 3.4.1部署工具FastDeploy介紹 3.4.2Jetson Nano上Python推理 3.4.3Jetson Nano上C 推理 3.5小結 第4章目標檢測(二維碼掃碼槍) 4.1任務概述 4.1.1任務背景 4.1.2安裝PaddleDetection套件 4.2算法原理 4.2.1目標檢測常用概念 4.2.2RCNN算法 4.2.3Fast RCNN算法 4.2.4Faster RCNN算法 4.2.5YOLO v3算法 4.2.6PicoDet算法 4.3算法研發 4.3.1目標檢測數據集常用格式介紹 4.3.2使用Labelme制作自己的二維碼檢測數據集 4.3.3Labelme格式轉換成COCO格式 4.3.4算法訓練 4.4樹莓派開發板部署(Linux CPU推理) 4.4.1樹莓派上Python推理 4.4.2樹莓派上C 推理 4.5小結 第5章語義分割(證件照制作工具) 5.1任務概述 5.1.1任務背景 5.1.2安裝PaddleSeg套件 5.2算法原理 5.2.1FCN算法 5.2.2UNet算法 5.2.3HRNet算法 5.2.4OCRNet算法 5.3算法研發 5.3.1數據集準備 5.3.2使用Labelme制作自己的語義分割數據集 5.3.3算法訓練 5.4Qt C 桌面客戶端部署(Windows CPU推理) 5.4.1Qt基礎示例程序介紹 5.4.2配置并導入FastDeploy庫 5.4.3編寫算法推理模塊 5.4.4集成依賴庫和模型 5.5小結 第6章實例分割(腎小球影像分析儀) 6.1任務概述 6.1.1任務背景 6.1.2實例分割概述 6.2算法原理 6.3算法研發 6.3.1數據集準備 6.3.2算法訓練 6.4C#工控程序部署(Windows GPU推理) 6.4.1生成C 示例工程 6.4.2編譯C 動態鏈接庫 6.4.3編寫C#工程 6.5小結 第7章關鍵點檢測(身份證識讀App) 7.1任務概述 7.1.1任務背景 7.1.2關鍵點檢測概述 7.2PPTinyPose算法原理 7.2.1LiteHRNet骨干網絡算法 7.2.2數據增強算法 7.2.3分布感知坐標表示方法 7.2.4無偏數據處理 7.3算法研發 7.3.1數據集準備 7.3.2算法訓練 7.4移動端部署(安卓Java推理) 7.4.1安卓基礎示例程序 7.4.2配置FastDeploy庫 7.4.3編寫推理模塊 7.5小結 第8章風格遷移(照片動漫化在線轉換網站) 8.1任務概述 8.1.1任務背景 8.1.2安裝PaddleGAN套件 8.2算法原理 8.2.1GAN算法 8.2.2DCGAN算法 8.2.3AnimeGAN算法 8.3算法研發 8.3.1數據集準備 8.3.2訓練 8.4微服務部署(FastDeploy Serving推理) 8.4.1準備Docker環境 8.4.2部署服務 8.4.3微服務開發 8.5小結 后記