计算机视觉应用与实战

计算机视觉应用与实战
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2022-05
版次: 1
ISBN: 9787121432514
定价: 109.00
装帧: 其他
开本: 其他
纸张: 胶版纸
页数: 380页
  • 本书围绕计算机视觉在农业、医学、工业等领域的案例,深入浅出地讲解计算机视觉核心的模型与关键技术。本书中所有案例的代码均能在达内时代科技集团自主研发的 AIX-EBoard 人工智能实验平台上部署与实施,实现了教学场景化、学习趣味化。本书分为三个部分,循序渐进地介绍计算机视觉相关技术的理论基础和各案例的实践步骤。第 1 部分基于 OpenCV 介绍传统视觉应用的基础算法,同时实现轮廓提取、全景图像拼接等案例的实践;在传统视觉应用的基础上,第 2 部分讲解基于机器学习和深度学习的视觉应用,结合不同行业的案例对图像进行分析处理,如水果识别、病虫害识别、相似图像搜索、眼底血管图像分割等。第 3 部分聚焦市场关注度较高的一些新兴视觉应用的原理及实现,如从二维图像到三维空间的重建、计算机视觉在移动设备中的应用、实时图像和视频的风格迁移等。本书适合人工智能相关专业的本科生、专科生及计算机初学者阅读,既可以作为应用型本科院校和高等职业院校人工智能专业的教材,也可以作为相关领域从业者的学习和参考用书。本书可以帮助有一定基础的读者查漏补缺,深入理解和掌握相关原理与方法,提高解决实际问题的能力。 达内时代科技集团有限公司是国内知名的互联网-IT教育培训单位,是一站式互联网人才基地,专注IT职业教育人才服务多年,拥有300多家培训中心,帮助学员实现一地学习全国就业。达内时代科技集团有限公司的法人代表是韩少云老师。 目 录

    第 1 部分 基于 OpenCV 的传统视觉应用

    第 1 章 图像生成 /2

    1.1 图像显示 /3

    1.1.1 使用 OpenCV 显示图像 /3

    1.1.2 使用 Matplotlib 显示图像 /3

    1.1.3 案例实现——使用OpenCV 显示图像 /3

    1.1.4 案例实现——使用Matplotlib 显示图像 /5

    1.2 图像读取 /6

    1.2.1 使用 OpenCV 读取图像 /6

    1.2.2 使用 Matplotlib 读取图像 /7

    1.2.3 案例实现——使用OpenCV 读取图像 /7

    1.2.4 案例实现——使用Matplotlib 读取图像 /9

    1.3 图像保存 /10

    1.3.1 使用 OpenCV 保存图像 /10

    1.3.2 使用 Matplotlib 保存图像/11

    1.3.3 案例实现——使用OpenCV 保存图像 /11

    1.3.4 案例实现——使用Matplotlib 保存图像 /14

    本章总结 /16

    作业与练习 /16

    第 2 章 OpenCV 图像处理(1) /17

    2.1 图像模糊 /17

    2.1.1 均值滤波 /17

    2.1.2 中值滤波 /18

    2.1.3 高斯滤波 /18

    2.1.4 案例实现 /18

    2.2 图像锐化 /21

    2.2.1 图像锐化简介 /21

    2.2.2 案例实现 /21

    本章总结 /24

    作业与练习 /24

    第 3 章 OpenCV 图像处理(2) /26

    3.1 OpenCV 绘图 /26

    3.1.1 使用 OpenCV 绘制各种图形 /26

    3.1.2 案例实现 /27

    3.2 图像的几何变换 /31

    3.2.1 几何变换操作 /31

    3.2.2 案例实现 /32

    本章总结 /38

    作业与练习 /38

    第 4 章 图像特征检测 /40

    4.1 边缘编辑和增强 /41

    4.1.1 Canny 边缘检测简介 /41

    4.1.2 案例实现 /42

    4.2 图像轮廓检测 /44

    4.2.1 轮廓查找步骤 /45

    4.2.2 查找轮廓函数 /45

    4.2.3 绘制轮廓函数 /45

    4.2.4 案例实现 /46

    4.3 图像角点和线条检测 /48

    4.3.1 角点的定义 /48

    4.3.2 Harris 角点简介 /48

    4.3.3 Harris 角点检测函数 /49

    4.3.4 案例实现 /49

    本章总结 /51

    作业与练习 /52

    第 5 章 图像特征匹配 /53

    5.1 ORB 关键点检测与匹配 /53

    5.1.1 FAST 算法 /54

    5.1.2 BRIEF 算法 /55

    5.1.3 特征匹配 /56

    5.1.4 代码流程 /56

    5.2 案例实现 /57

    本章总结 /59

    作业与练习 /59

    第 6 章 图像对齐与拼接 /60

    6.1 全景图像拼接 /60

    6.1.1 全景图像的拼接原理 /61

    6.1.2 算法步骤 /61

    6.1.3 Ransac 算法介绍 /62

    6.1.4 全景图像剪裁 /63

    6.2 案例实现 /64

    本章总结 /67

    作业与练习 /67

    第 7 章 相机运动估计 /68

    7.1 双目相机运动估计 /68

    7.1.1 相机测距流程 /68

    7.1.2 双目相机成像模型 /69

    7.1.3 极限约束 /70

    7.1.4 双目测距的优势 /70

    7.1.5 双目测距的难点 /70

    7.2 案例实现 /72

    本章总结 /82

    作业与练习 /83

    第 2 部分 基于机器学习和深度学习的视觉应用

    第 8 章 基于 SVM 模型的手写数字识别/85

    8.1 手写数字识别 /85

    8.1.1 手写数字图像 /85

    8.1.2 图像处理 /86

    8.2 案例实现 /87

    本章总结 /95

    作业与练习 /95

    第 9 章 基于 HOG+SVM 的行人检测 /96

    9.1 行人检测 /96

    9.1.1 HOG+SVM /96

    9.1.2 检测流程 /97

    9.1.3 滑动窗口 /98

    9.1.4 非极大值抑制 /100

    9.2 案例实现 /101

    本章总结 /109

    作业与练习 /109

    第 10 章 数据标注 /110

    10.1 目标检测数据标注 /110

    10.1.1 数据收集与数据标注 /111

    10.1.2 数据标注的通用规则 /112

    10.1.3 案例实现 /113

    10.2 视频目标跟踪数据标注 /118

    10.2.1 视频与图像数据标注的差异 /118

    10.2.2 案例实现 /119

    本章总结 /127

    作业与练习 /127

    第 11 章 水果识别 /128

    11.1 LeNet-5 模型的训练与评估 /128

    11.1.1 卷积层 /129

    11.1.2 池化层 /130

    11.1.3 ReLU 层 /131

    11.1.4 LeNet-5 模型 /131

    11.1.5 Keras /132

    11.1.6 案例实现 /133

    11.2 LeNet-5 模型的应用 /139

    11.2.1 使用 OpenCV 操作摄像头 /139

    11.2.2 OpenCV 的绘图功能 /140

    11.2.3 OpenCV 绘图函数的常见参数 /140

    11.2.4 Keras 模型的保存和加载 /140

    11.2.5 案例实现 /142

    本章总结 /145

    作业与练习 /145

    第 12 章 病虫害识别 /147

    12.1 植物叶子病虫害识别 /147

    12.1.1 PlantVillage 数据集 /148

    12.1.2 性能评估 /148

    12.1.3 感受野 /149

    12.2 案例实现 /149

    本章总结 /161

    作业与练习 /162

    第 13 章 相似图像搜索 /163

    13.1 以图搜图 /163

    13.1.1 VGG 模型 /164

    13.1.2 H5 模型文件 /165

    13.1.3 案例实现 /166

    13.2 人脸识别 /173

    13.2.1 人脸检测 /173

    13.2.2 分析面部特征 /174

    13.2.3 人脸识别特征提取 /175

    13.2.4 人脸相似性比较 /176

    13.2.5 案例实现 /176

    本章总结 /184

    作业与练习 /185

    第 14 章 多目标检测 /186

    14.1 人脸口罩佩戴检测 /186

    14.1.1 目标检测 /187

    14.1.2 YOLO 模型 /188

    14.1.3 YOLOv3 模型 /190

    14.1.4 YOLOv3-Tiny 模型 /191

    14.2 案例实现 /192

    本章总结 /198

    作业与练习 /198

    第 15 章 可采摘作物检测 /199

    15.1 番茄成熟度检测 /199

    15.1.1 数据集 /200

    15.1.2 RCNN 模型 /201

    15.1.3 SPP-Net 模型 /202

    15.1.4 Fast-RCNN 模型 /202

    15.1.5 Faster-RCNN 模型 /202

    15.1.6 Mask-RCNN 模型 /203

    15.2 案例实现 /204

    本章总结 /213

    作业与练习 /213

    第 16 章 智能照片编辑 /214

    16.1 图像自动着色 /214

    16.1.1 GAN 模型的基本结构与原理 /215

    16.1.2 构建 GAN 模型 /216

    16.2 案例实现 /218

    本章总结 /225

    作业与练习 /225

    第 17 章 超分辨率 /227

    17.1 图像超分辨率 /227

    17.1.1 SRGAN 模型的结构 /228

    17.1.2 SRGAN 模型的损失函数 /229

    17.1.3 SRGAN 模型的评价指标 /230

    17.2 案例实现 /230

    本章总结 /237

    作业与练习 /238

    第 18 章 医学图像分割 /239

    18.1 眼底血管图像分割 /239

    18.1.1 图像分割 /240

    18.1.2 语义分割 /241

    18.1.3 全卷积神经网络 /243

    18.1.4 反卷积 /244

    18.1.5 U-Net 模型 /244

    18.2 案例实现 /245

    本章总结 /253

    作业与练习 /253

    第 19 章 医学图像配准 /255

    19.1 头颈部 CT 图像配准 /255

    19.1.1 图像配准方法 /256

    19.1.2 VoxelMorph 配准框架 /257

    19.1.3 TensorFlow-pix2pix /259

    19.2 案例实现 /260

    本章总结 /265

    作业与练习 /265

    第 20 章 视频内容分析 /267

    20.1 人体动作识别 /267

    20.1.1 视频动作识别模型 /268

    20.1.2 UCF-101 数据集 /269

    20.2 案例实现 /270

    本章总结 /275

    作业与练习 /275

    第 21 章 图像语义理解 /277

    21.1 视觉问答 /277

    21.1.1 编码器-解码器模型 /279

    21.1.2 光束搜索 /281

    21.2 案例实现 /282

    本章总结 /288

    作业与练习 /288

    第 3 部分 基于深度学习的新兴视觉应用

    第 22 章 三维空间重建 /291

    22.1 3D-R2N2 算法 /291

    22.1.1 算法简介 /292

    22.1.2 算法的优势 /292

    22.1.3 算法的结构 /292

    22.2 案例实现 /294

    本章总结 /298

    作业与练习 /298

    第 23 章 视频稳定 /300

    23.1 人脸视频稳定 /300

    23.1.1 MobileNet 模型 /301

    23.1.2 SSD 模型 /302

    23.1.3 MobileNet-SSD 模型 /303

    23.1.4 模型评估 /303

    23.1.5 实时影响 /303

    23.2 案例实现 /304

    本章总结 /317

    作业与练习 /317

    第 24 章 目标检测与跟踪 /319

    24.1 车辆检测与跟踪 /319

    24.1.1 UA-DETRAC 数据集 /320

    24.1.2 目标跟踪 /322

    24.1.3 DeepSORT 目标跟踪 /323

    24.2 案例实现 /324

    本章总结 /337

    作业与练习 /337

    第 25 章 风格迁移 /339

    25.1 图像与视频风格迁移 /339

    25.1.1 理解图像内容和图像风格 /340

    25.1.2 图像重建 /341

    25.1.3 风格重建 /342

    25.2 案例实现 /343

    本章总结 /354

    作业与练习 /355

    附录 A 企业级综合教学项目介绍 /356

    1.1 智慧停车场管理系统 /356

    1.1.1 项目概述 /356

    1.1.2 技能目标 /358

    1.2 智慧景区管理系统 /358

    1.2.1 项目概述 /358

    1.2.2 技能目标 /359

    1.3 智能考勤打卡系统 /360

    1.3.1 项目概述 /360

    1.3.2 技能目标 /361
  • 内容简介:
    本书围绕计算机视觉在农业、医学、工业等领域的案例,深入浅出地讲解计算机视觉核心的模型与关键技术。本书中所有案例的代码均能在达内时代科技集团自主研发的 AIX-EBoard 人工智能实验平台上部署与实施,实现了教学场景化、学习趣味化。本书分为三个部分,循序渐进地介绍计算机视觉相关技术的理论基础和各案例的实践步骤。第 1 部分基于 OpenCV 介绍传统视觉应用的基础算法,同时实现轮廓提取、全景图像拼接等案例的实践;在传统视觉应用的基础上,第 2 部分讲解基于机器学习和深度学习的视觉应用,结合不同行业的案例对图像进行分析处理,如水果识别、病虫害识别、相似图像搜索、眼底血管图像分割等。第 3 部分聚焦市场关注度较高的一些新兴视觉应用的原理及实现,如从二维图像到三维空间的重建、计算机视觉在移动设备中的应用、实时图像和视频的风格迁移等。本书适合人工智能相关专业的本科生、专科生及计算机初学者阅读,既可以作为应用型本科院校和高等职业院校人工智能专业的教材,也可以作为相关领域从业者的学习和参考用书。本书可以帮助有一定基础的读者查漏补缺,深入理解和掌握相关原理与方法,提高解决实际问题的能力。
  • 作者简介:
    达内时代科技集团有限公司是国内知名的互联网-IT教育培训单位,是一站式互联网人才基地,专注IT职业教育人才服务多年,拥有300多家培训中心,帮助学员实现一地学习全国就业。达内时代科技集团有限公司的法人代表是韩少云老师。
  • 目录:
    目 录

    第 1 部分 基于 OpenCV 的传统视觉应用

    第 1 章 图像生成 /2

    1.1 图像显示 /3

    1.1.1 使用 OpenCV 显示图像 /3

    1.1.2 使用 Matplotlib 显示图像 /3

    1.1.3 案例实现——使用OpenCV 显示图像 /3

    1.1.4 案例实现——使用Matplotlib 显示图像 /5

    1.2 图像读取 /6

    1.2.1 使用 OpenCV 读取图像 /6

    1.2.2 使用 Matplotlib 读取图像 /7

    1.2.3 案例实现——使用OpenCV 读取图像 /7

    1.2.4 案例实现——使用Matplotlib 读取图像 /9

    1.3 图像保存 /10

    1.3.1 使用 OpenCV 保存图像 /10

    1.3.2 使用 Matplotlib 保存图像/11

    1.3.3 案例实现——使用OpenCV 保存图像 /11

    1.3.4 案例实现——使用Matplotlib 保存图像 /14

    本章总结 /16

    作业与练习 /16

    第 2 章 OpenCV 图像处理(1) /17

    2.1 图像模糊 /17

    2.1.1 均值滤波 /17

    2.1.2 中值滤波 /18

    2.1.3 高斯滤波 /18

    2.1.4 案例实现 /18

    2.2 图像锐化 /21

    2.2.1 图像锐化简介 /21

    2.2.2 案例实现 /21

    本章总结 /24

    作业与练习 /24

    第 3 章 OpenCV 图像处理(2) /26

    3.1 OpenCV 绘图 /26

    3.1.1 使用 OpenCV 绘制各种图形 /26

    3.1.2 案例实现 /27

    3.2 图像的几何变换 /31

    3.2.1 几何变换操作 /31

    3.2.2 案例实现 /32

    本章总结 /38

    作业与练习 /38

    第 4 章 图像特征检测 /40

    4.1 边缘编辑和增强 /41

    4.1.1 Canny 边缘检测简介 /41

    4.1.2 案例实现 /42

    4.2 图像轮廓检测 /44

    4.2.1 轮廓查找步骤 /45

    4.2.2 查找轮廓函数 /45

    4.2.3 绘制轮廓函数 /45

    4.2.4 案例实现 /46

    4.3 图像角点和线条检测 /48

    4.3.1 角点的定义 /48

    4.3.2 Harris 角点简介 /48

    4.3.3 Harris 角点检测函数 /49

    4.3.4 案例实现 /49

    本章总结 /51

    作业与练习 /52

    第 5 章 图像特征匹配 /53

    5.1 ORB 关键点检测与匹配 /53

    5.1.1 FAST 算法 /54

    5.1.2 BRIEF 算法 /55

    5.1.3 特征匹配 /56

    5.1.4 代码流程 /56

    5.2 案例实现 /57

    本章总结 /59

    作业与练习 /59

    第 6 章 图像对齐与拼接 /60

    6.1 全景图像拼接 /60

    6.1.1 全景图像的拼接原理 /61

    6.1.2 算法步骤 /61

    6.1.3 Ransac 算法介绍 /62

    6.1.4 全景图像剪裁 /63

    6.2 案例实现 /64

    本章总结 /67

    作业与练习 /67

    第 7 章 相机运动估计 /68

    7.1 双目相机运动估计 /68

    7.1.1 相机测距流程 /68

    7.1.2 双目相机成像模型 /69

    7.1.3 极限约束 /70

    7.1.4 双目测距的优势 /70

    7.1.5 双目测距的难点 /70

    7.2 案例实现 /72

    本章总结 /82

    作业与练习 /83

    第 2 部分 基于机器学习和深度学习的视觉应用

    第 8 章 基于 SVM 模型的手写数字识别/85

    8.1 手写数字识别 /85

    8.1.1 手写数字图像 /85

    8.1.2 图像处理 /86

    8.2 案例实现 /87

    本章总结 /95

    作业与练习 /95

    第 9 章 基于 HOG+SVM 的行人检测 /96

    9.1 行人检测 /96

    9.1.1 HOG+SVM /96

    9.1.2 检测流程 /97

    9.1.3 滑动窗口 /98

    9.1.4 非极大值抑制 /100

    9.2 案例实现 /101

    本章总结 /109

    作业与练习 /109

    第 10 章 数据标注 /110

    10.1 目标检测数据标注 /110

    10.1.1 数据收集与数据标注 /111

    10.1.2 数据标注的通用规则 /112

    10.1.3 案例实现 /113

    10.2 视频目标跟踪数据标注 /118

    10.2.1 视频与图像数据标注的差异 /118

    10.2.2 案例实现 /119

    本章总结 /127

    作业与练习 /127

    第 11 章 水果识别 /128

    11.1 LeNet-5 模型的训练与评估 /128

    11.1.1 卷积层 /129

    11.1.2 池化层 /130

    11.1.3 ReLU 层 /131

    11.1.4 LeNet-5 模型 /131

    11.1.5 Keras /132

    11.1.6 案例实现 /133

    11.2 LeNet-5 模型的应用 /139

    11.2.1 使用 OpenCV 操作摄像头 /139

    11.2.2 OpenCV 的绘图功能 /140

    11.2.3 OpenCV 绘图函数的常见参数 /140

    11.2.4 Keras 模型的保存和加载 /140

    11.2.5 案例实现 /142

    本章总结 /145

    作业与练习 /145

    第 12 章 病虫害识别 /147

    12.1 植物叶子病虫害识别 /147

    12.1.1 PlantVillage 数据集 /148

    12.1.2 性能评估 /148

    12.1.3 感受野 /149

    12.2 案例实现 /149

    本章总结 /161

    作业与练习 /162

    第 13 章 相似图像搜索 /163

    13.1 以图搜图 /163

    13.1.1 VGG 模型 /164

    13.1.2 H5 模型文件 /165

    13.1.3 案例实现 /166

    13.2 人脸识别 /173

    13.2.1 人脸检测 /173

    13.2.2 分析面部特征 /174

    13.2.3 人脸识别特征提取 /175

    13.2.4 人脸相似性比较 /176

    13.2.5 案例实现 /176

    本章总结 /184

    作业与练习 /185

    第 14 章 多目标检测 /186

    14.1 人脸口罩佩戴检测 /186

    14.1.1 目标检测 /187

    14.1.2 YOLO 模型 /188

    14.1.3 YOLOv3 模型 /190

    14.1.4 YOLOv3-Tiny 模型 /191

    14.2 案例实现 /192

    本章总结 /198

    作业与练习 /198

    第 15 章 可采摘作物检测 /199

    15.1 番茄成熟度检测 /199

    15.1.1 数据集 /200

    15.1.2 RCNN 模型 /201

    15.1.3 SPP-Net 模型 /202

    15.1.4 Fast-RCNN 模型 /202

    15.1.5 Faster-RCNN 模型 /202

    15.1.6 Mask-RCNN 模型 /203

    15.2 案例实现 /204

    本章总结 /213

    作业与练习 /213

    第 16 章 智能照片编辑 /214

    16.1 图像自动着色 /214

    16.1.1 GAN 模型的基本结构与原理 /215

    16.1.2 构建 GAN 模型 /216

    16.2 案例实现 /218

    本章总结 /225

    作业与练习 /225

    第 17 章 超分辨率 /227

    17.1 图像超分辨率 /227

    17.1.1 SRGAN 模型的结构 /228

    17.1.2 SRGAN 模型的损失函数 /229

    17.1.3 SRGAN 模型的评价指标 /230

    17.2 案例实现 /230

    本章总结 /237

    作业与练习 /238

    第 18 章 医学图像分割 /239

    18.1 眼底血管图像分割 /239

    18.1.1 图像分割 /240

    18.1.2 语义分割 /241

    18.1.3 全卷积神经网络 /243

    18.1.4 反卷积 /244

    18.1.5 U-Net 模型 /244

    18.2 案例实现 /245

    本章总结 /253

    作业与练习 /253

    第 19 章 医学图像配准 /255

    19.1 头颈部 CT 图像配准 /255

    19.1.1 图像配准方法 /256

    19.1.2 VoxelMorph 配准框架 /257

    19.1.3 TensorFlow-pix2pix /259

    19.2 案例实现 /260

    本章总结 /265

    作业与练习 /265

    第 20 章 视频内容分析 /267

    20.1 人体动作识别 /267

    20.1.1 视频动作识别模型 /268

    20.1.2 UCF-101 数据集 /269

    20.2 案例实现 /270

    本章总结 /275

    作业与练习 /275

    第 21 章 图像语义理解 /277

    21.1 视觉问答 /277

    21.1.1 编码器-解码器模型 /279

    21.1.2 光束搜索 /281

    21.2 案例实现 /282

    本章总结 /288

    作业与练习 /288

    第 3 部分 基于深度学习的新兴视觉应用

    第 22 章 三维空间重建 /291

    22.1 3D-R2N2 算法 /291

    22.1.1 算法简介 /292

    22.1.2 算法的优势 /292

    22.1.3 算法的结构 /292

    22.2 案例实现 /294

    本章总结 /298

    作业与练习 /298

    第 23 章 视频稳定 /300

    23.1 人脸视频稳定 /300

    23.1.1 MobileNet 模型 /301

    23.1.2 SSD 模型 /302

    23.1.3 MobileNet-SSD 模型 /303

    23.1.4 模型评估 /303

    23.1.5 实时影响 /303

    23.2 案例实现 /304

    本章总结 /317

    作业与练习 /317

    第 24 章 目标检测与跟踪 /319

    24.1 车辆检测与跟踪 /319

    24.1.1 UA-DETRAC 数据集 /320

    24.1.2 目标跟踪 /322

    24.1.3 DeepSORT 目标跟踪 /323

    24.2 案例实现 /324

    本章总结 /337

    作业与练习 /337

    第 25 章 风格迁移 /339

    25.1 图像与视频风格迁移 /339

    25.1.1 理解图像内容和图像风格 /340

    25.1.2 图像重建 /341

    25.1.3 风格重建 /342

    25.2 案例实现 /343

    本章总结 /354

    作业与练习 /355

    附录 A 企业级综合教学项目介绍 /356

    1.1 智慧停车场管理系统 /356

    1.1.1 项目概述 /356

    1.1.2 技能目标 /358

    1.2 智慧景区管理系统 /358

    1.2.1 项目概述 /358

    1.2.2 技能目标 /359

    1.3 智能考勤打卡系统 /360

    1.3.1 项目概述 /360

    1.3.2 技能目标 /361
查看详情
相关图书 / 更多
计算机视觉应用与实战
计算机网络技术基础(任务式微课版)
崔升广
计算机视觉应用与实战
计算机辅助化工制图与设计(第二版)
方利国 编著
计算机视觉应用与实战
计算机网络技术实训(微课视频版)
朱涛;李馥娟
计算机视觉应用与实战
计算机网络技术实用教程(第3版)
褚建立;邵慧莹;刘霞;路俊维;钱孟杰;曹新鸿;郗君甫
计算机视觉应用与实战
计算流体力学基础与应用
刘道银;王利民
计算机视觉应用与实战
计算机网络实用教程
刘建;胡念青;时月梅;刘刚;王倩
计算机视觉应用与实战
计算机组成原理实验指导与习题解析(高等院校规划教材)
席振元、徐花芬 编
计算机视觉应用与实战
计算秘籍·四年级(下册)——M+Book版(A)
基础教育编委会 编
计算机视觉应用与实战
计算机图形学入门 3D渲染指南
[瑞士]加布里埃尔·甘贝塔(Gabriel Gambetta)
计算机视觉应用与实战
计算机网络技术项目教程(第2版)(微课版)
戴万长;杨云
计算机视觉应用与实战
计算思维与Python应用编程
王大东
计算机视觉应用与实战
计算机网络技术(第3版)
张凌杰 邢培振 主编