《深度学习实践:计算机视觉》主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为
开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架
介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括
PyTorch、TensorFlow、Keras、Chainer、MXNet等。通过本书，读者能够了解深度学习在计算机视觉各个
方向的应用以及新进展。
《深度学习实践:计算机视觉》主要关注计算机视觉领域，基于开源项目介绍最新的算法：
第1章对深度学习与计算机视觉进行简要介绍，也会简单介绍开发环境的搭建。
第2章主要介绍OpenCV的基本操作及部分高级操作，包括人脸和人眼的检测与识别。
学习参考：
《深度学习实践:计算机视觉》PDF，255页，带书签目录，彩色配图，文字可以复制，缪鹏 著。
链接：https://pan.baidu.com/s/1MWoB86jZJkE1vBiU6aTClw
提取码：fiaj
复制这段内容后打开百度网盘手机App，操作更方便哦
《深度学习实践:计算机视觉》结合深度学习框架进行实例演示展现计算机视觉应用及工程实践
缪鹏 著
《深度学习实践:计算机视觉》的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于
广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感
兴趣的爱好者使用。
第3章着重介绍目前常用的几类深度学习框架，包括PyTorch、Chainer、TensorFlow-Keras和MXNet-Gluon，另外本书中偶尔还会用到ChainerCV和GluonCV。
第4章对图像分类进行了介绍，包括经典的网络类型（VGG、ResNet、Inception、Xception、DenseNet），
并展示了部分实践操作。
第5章对目标检测与识别进行了介绍，包括三种主流的网络结构：YOLO、SSD、Faster R-CNN，并展示了实
践操作。
第6章介绍图像分割技术，主要从前背景分割（Grab Cut）、语义分割（DeepLab与PSPNet）和实例分割（
FCIS、Mask R-CNN、MaskLab、PANet）三个粒度阐述。
第7章介绍图像搜索技术，主要指以图搜图方面（CBIR)，以及对应的实践展示。
第8章主要介绍图像生成技术，包括三个大方向：Auto-Encoder、GAN和Neural Style Transfer。
原文地址：https://www.cnblogs.com/zhuqiangrr/p/11602954.html