基于AI技术的图像识别与处理应用指南.docVIP

基于技术的图像识别与处理应用指南

TOC\o1-2\h\u20122第1章图像识别与处理基础 4

189501.1图像识别概述 4

264261.1.1图像识别的基本流程 4

113651.1.2图像识别的主要方法 4

258611.2图像处理基本概念 4

182871.2.1图像处理的基本操作 4

197751.2.2常用图像处理算法 5

324711.3技术在图像识别与处理中的应用 5

6111.3.1深度学习模型在图像识别中的应用 5

190621.3.2技术在图像处理中的应用 5

26378第2章图像预处理技术 5

112882.1图像增强 5

248312.1.1直方图均衡化 6

309202.1.2伽马校正 6

15082.1.3自适应直方图均衡化 6

146782.2图像滤波 6

179472.2.1均值滤波 6

174522.2.2中值滤波 6

204272.2.3高斯滤波 6

6852.2.4双边滤波 6

294962.3边缘检测与轮廓提取 6

99102.3.1边缘检测 7

232472.3.2轮廓提取 7

309672.3.3Canny边缘检测 7

15505第3章特征提取与匹配 7

284773.1传统特征提取算法 7

60763.1.1SIFT算法 7

291583.1.2SURF算法 7

268573.1.3ORB算法 7

128163.2深度学习特征提取方法 7

204733.2.1卷积神经网络（CNN） 7

159523.2.2迁移学习 8

160063.2.3对抗网络（GAN） 8

127733.3特征匹配技术 8

150243.3.1暴力匹配 8

314333.3.2最近邻匹配 8

249583.3.3FLANN匹配器 8

217783.3.4RANSAC匹配 8

27951第4章深度学习基础 8

200874.1卷积神经网络（CNN） 8

264174.1.1卷积神经网络简介 8

314884.1.2卷积层 9

108954.1.3池化层 9

31064.1.4全连接层 9

171754.1.5常见卷积神经网络结构 9

178844.2深度信念网络（DBN） 9

221634.2.1深度信念网络简介 9

270194.2.2稀疏自编码器 9

288604.2.3限制玻尔兹曼机 9

114074.2.4DBN的训练方法 9

40504.3循环神经网络（RNN） 9

166394.3.1循环神经网络简介 9

325204.3.2RNN的基本结构 10

268654.3.3长短时记忆网络（LSTM） 10

135934.3.4门控循环单元（GRU） 10

4395第5章目标检测技术 10

247725.1传统目标检测方法 10

56895.1.1基于特征匹配的目标检测 10

230515.1.2基于模板匹配的目标检测 10

120825.1.3基于机器学习的目标检测 10

98185.2基于深度学习的目标检测算法 10

50495.2.1RCNN系列算法 10

284265.2.2单次多框检测器（SSD） 11

243175.2.3YOLO系列算法 11

12445.2.4RetinaNet 11

327125.3目标跟踪技术 11

82835.3.1基于相关滤波的目标跟踪 11

178755.3.2基于深度学习的目标跟踪 11

200405.3.3基于优化方法的目标跟踪 11

24319第6章语义分割与实例分割 11

124206.1语义分割概述 11

274336.2基于深度学习的语义分割算法 12

161396.2.1卷积神经网络（CNN）基础 12

173206.2.2全卷积神经网络（FCN） 12

209856.2.3编码器解码器结构 12

152916.2.4区域分割网络（RCNN系列） 12

176036.3实例分割技术 12

24196.3.1实例分割概述 12

174006.3.2MaskRCNN 12

171156.3.3PointRend