孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）

图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
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:
出版社: 清华大学出版社
2022-01
版次: 1
ISBN: 9787302594086
定价: 89.00
装帧: 其他
开本: 其他
纸张: 胶版纸
字数: 453.000千字
分类: 计算机与互联网
7人买过
  • 《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别ping台，AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现)，基于深度学习的AI人脸识别系统(Flask OpenCV-Python Keras Sklearn实现)，AI考勤管理系统(face-recognition Matplotlib Django Scikit-Learn dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。 《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水ping的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。 1章   图像识别技术基础 1

    1.1  图像识别概述 2

    1.1.1  什么是图像识别 2

    1.1.2  图像识别的应用 2

    1.2  图像识别原理 3

    1.3  图像识别技术 4

    1.3.1  AI(人工智能) 5

    1.3.2  机器学习 5

    1.3.3  深度学习 6

    1.3.4  基于神经网络的图像识别 6

    1.3.5  基于非线性降维的图像识别 7

    2章   scikit-image数字图像处理 9

    2.1  scikit-image基础 10

    2.1.1  安装scikit-image 10

    2.1.2  scikit-image中的模块 10

    2.2  显示图像 11

    2.2.1  使用skimage读入并显示外部图像 11

    2.2.2  读取并显示外部灰度图像 12

    2.2.3  显示内置星空图片 13

    2.2.4  读取并保存内置星空图片 14

    2.2.5  显示内置星空图片的基本信息 15

    2.2.6  实现内置猫图片的红色通道的效果 16

    2.3  常见的图像作 17

    2.3.1  对内置猫图片进行二值化作 17

    2.3.2  对内置猫图片进行裁剪处理 18

    2.3.3  将RGB图转换为灰度图 19

    2.3.4  使用skimage实现绘制图片功能 20

    2.3.5  使用subplot()函数绘制多视图窗口 20

    2.3.6  使用subplots()函数绘制多视图窗口 22

    2.3.7  改变指定图片的大小 24

    2.3.8  使用函数rescale()缩放图片 25

    2.3.9  使用函数rotate()旋转图片 25

    3章   OpenCV图像视觉处理 27

    3.1  OpenCV基础 28

    3.1.1  OpenCV介绍 28

    3.1.2  OpenCV-Python介绍 28

    3.1.3  安装OpenCV-Python 29

    3.2  OpenCV-Python图像作 29

    3.2.1  读取并显示图像 29

    3.2.2  保存图像 31

    3.2.3  在Matplotlib中显示图像 32

    3.2.4  绘图 33

    3.2.5  将鼠标作为画笔 37

    3.2.6  调色板程序 38

    3.2.7  基本的属性作 40

    3.2.8  图像的几何变换 42

    3.2.9  图像直方图 45

    3.2.10  特征识别：Harris(哈里斯)角检测 49

    3.3  OpenCV-Python视频作 51

    3.3.1  读取视频 51

    3.3.2  播放视频 53

    3.3.3  保存视频 54

    3.3.4  改变颜色空间 55

    3.3.5  视频的背景分离 56

    3.4  简易车牌识别系统 59

    3.4.1  系统介绍 59

    3.4.2  通用程序 59

    3.4.3  主程序 64

    4章   dlib机器学习和图像处理算法 67

    4.1  dlib介绍 68

    4.2  dlib基本的人脸检测 68

    4.2.1  人脸检测 68

    4.2.2  使用命令行的人脸识别 70

    4.2.3  检测人脸关键点 72

    4.2.4  基于CNN的人脸检测器 74

    4.2.5  在摄像头中识别人脸 76

    4.2.6  人脸识别验证 77

    4.2.7  全局优化 79

    4.2.8  人脸聚类 81

    4.2.9  抖动采样和增强 82

    4.2.10  人脸和姿势采集 84

    4.2.11  物体追踪 86

    4.3  SVM分类算法 87

    4.3.1  二进制SVM分类器 87

    4.3.2  Ranking SVM算法 89

    4.3.3  Struct SVM多分类器 92

    4.4  自训练模型 95

    4.4.1  训练自己的模型 95

    4.4.2  自制对象检测器 98

    5章   face_recognition人脸识别 103

    5.1  安装face_recognition 104

    5.2  实现基本的人脸检测 104

    5.2.1  输出显示指定人像人脸特征 104

    5.2.2  在指定照片中识别标记出人脸 107

    5.2.3  识别出照片中的所有人脸 108

    5.2.4  判断在照片中是否包含某个人脸 111

    5.2.5  识别出在照片中的人到底是谁 113

    5.2.6  摄像头实时识别 114

    5.3  深入face_recognition人脸检测 120

    5.3.1  检测人脸眼睛的状态 120

    5.3.2  模糊处理人脸 122

    5.3.3  检测两个人脸是否匹配 123

    5.3.4  识别视频中的人脸 125

    5.3.5  网页版人脸识别器 127

    6章   Scikit-Learn机器学习和人脸识别 131

    6.1  Scikit-Learn基础 132

    6.1.1  Scikit-Learn介绍 132

    6.1.2  安装Scikit-Learn 132

    6.2  基于Scikit-Learn的常用算法 132

    6.2.1  Scikit-Learn机器学习的基本流程 133

    6.2.2  分类算法 134

    6.2.3  聚类算法 137

    6.2.4  分解算法 139

    6.3  Scikit-Learn和人脸识别 144

    6.3.1  SVM算法人脸识别 144

    6.3.2  KNN算法人脸识别 145

    6.3.3  KNN算法实时识别 151

    7章   TensorFlow机器学习和图像识别 155

    7.1  TensorFlow基础 156

    7.1.1 TensorFlow介绍 156

    7.1.2  TensorFlow的优势 156

    7.1.3  安装TensorFlow 157

    7.2  创建一个机器学习程序 160

    7.2.1  在PyCharm环境实现 160

    7.2.2  在Colaboratory环境实现 162

    7.3  使用内置方法进行训练和评估 164

    7.3.1  一个端到端训练和评估示例 164

    7.3.2  使用compile()训练模型 167

    7.3.3  自定义损失 169

    7.3.4  自定义指标 171

    7.3.5  处理不适合标准签名的损失和指标 173

    7.3.6  自动分离验证预留集 176

    7.3.7  通过tf.data数据集进行训练和评估 177

    7.3.8  使用样本加权和类加权 181

    7.4  TensorFlow图像视觉处理 183

    7.4.1  导入需要的库 183

    7.4.2  导入 Fashion MNIST 数据集 184

    7.4.3  浏览数据 186

    7.4.4  预处理数据 186

    7.4.5  构建模型 188

    7.4.6  编译模型 189

    7.4.7  训练模型 189

    7.4.8  使用训练好的模型 195

    8章   国内常用的三方人脸识别平台 197

    8.1  百度AI开放平台 198

    8.1.1  百度AI开放平台介绍 198

    8.1.2  使用百度AI之前的准备工作 198

    8.1.3  基于百度AI平台的人脸识别 203

    8.2  科大讯飞AI开放平台 207

    8.2.1  科大讯飞AI开放平台介绍 207

    8.2.2  申请试用 208

    8.2.3  基于科大讯飞AI的人脸识别 209

    9章   AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现) 217

    9.1  需求分析 218

    9.1.1  背景介绍 218

    9.1.2  任务目标 218

    9.2  模块架构 219

    9.3  使用Qt Designer实现主窗口界面 220

    9.3.1  设计系统UI主界面 220

    9.3.2  将Qt Designer文件转换为Python文件 221

    9.4  签到打卡、用户作和用户组作 225

    9.4.1  设计UI界面 226

    9.4.2  创建摄像头类 228

    9.4.3  UI界面的作处理 230

    9.4.4  多线程作和人脸识别 241

    9.4.5  导出打卡签到信息 245

    9.5  调试运行 247

    10章   基于深度学习的AI人脸识别系统(Flask  OpenCV-Python Keras Sklearn实现) 251

    10.1  系统需求分析 252

    10.1.1  系统功能分析 252

    10.1.2  实现流程分析 252

    10.1.3  技术分析 253

    10.2  照片样本采集 254

    10.3  深度学习和训练 256

    10.3.1  原始图像预处理 256

    10.3.2  构建人脸识别模块 258

    10.4  人脸识别 263

    10.5  Flask Web人脸识别接口 264

    10.5.1  导入库文件 264

    10.5.2  识别上传照片 265

    10.5.3  在线识别 267

    11章   AI考勤管理系统(face-recognition Matplotlib  Django Scikit-Learn dlib实现) 269

    11.1  背景介绍 270

    11.2  系统需求分析 270

    11.2.1  可行性分析 270

    11.2.2  系统作流程分析 270

    11.2.3  系统模块设计 271

    11.3  系统配置 272

    11.3.1  Django配置文件 272

    11.3.2  路径导航文件 272

    11.4  用户注册和登录验证 273

    11.4.1  登录验证 273

    11.4.2  添加新用户 275

    11.4.3  设计数据模型 276

    11.5  采集照片和机器学习 277

    11.5.1  设置采集对象 277

    11.5.2  采集照片 279

    11.5.3  训练照片模型 281

    11.6  考勤打卡 283

    11.6.1  上班打卡签到 283

    11.6.2  下班打卡 285

    11.7  可视化考勤数据 287

    11.7.1  统计近两周的考勤数据 288

    11.7.2  查看本人指定时间范围内的考勤统计图 292

    11.7.3  查看某员工在指定时间范围内的考勤统计图 298

    12章  AI小区停车计费管理系统 303

    12.1  背景介绍 304

    12.2  系统功能分析和模块设计 304

    12.2.1  功能分析 304

    12.2.2  系统模块设计 305

    12.3  系统GUI 305

    12.3.1  设置基本信息 305

    12.3.2  绘制作按钮 306

    12.3.3  绘制背景和文字 307

    12.4  车牌识别和收费 308

    12.4.1  登记业主的车辆信息 308

    12.4.2  识别车牌 308

    12.4.3  计算停车时间 309

    12.4.4  识别车牌并计费 310

    12.5  主程序 314

     

     

     

     
  • 内容简介:
    《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别ping台，AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现)，基于深度学习的AI人脸识别系统(Flask OpenCV-Python Keras Sklearn实现)，AI考勤管理系统(face-recognition Matplotlib Django Scikit-Learn dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。 《图像识别技术与实战（OpenCV dlib Keras Sklearn TensorFlow）》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水ping的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。
  • 目录:
    1章   图像识别技术基础 1

    1.1  图像识别概述 2

    1.1.1  什么是图像识别 2

    1.1.2  图像识别的应用 2

    1.2  图像识别原理 3

    1.3  图像识别技术 4

    1.3.1  AI(人工智能) 5

    1.3.2  机器学习 5

    1.3.3  深度学习 6

    1.3.4  基于神经网络的图像识别 6

    1.3.5  基于非线性降维的图像识别 7

    2章   scikit-image数字图像处理 9

    2.1  scikit-image基础 10

    2.1.1  安装scikit-image 10

    2.1.2  scikit-image中的模块 10

    2.2  显示图像 11

    2.2.1  使用skimage读入并显示外部图像 11

    2.2.2  读取并显示外部灰度图像 12

    2.2.3  显示内置星空图片 13

    2.2.4  读取并保存内置星空图片 14

    2.2.5  显示内置星空图片的基本信息 15

    2.2.6  实现内置猫图片的红色通道的效果 16

    2.3  常见的图像作 17

    2.3.1  对内置猫图片进行二值化作 17

    2.3.2  对内置猫图片进行裁剪处理 18

    2.3.3  将RGB图转换为灰度图 19

    2.3.4  使用skimage实现绘制图片功能 20

    2.3.5  使用subplot()函数绘制多视图窗口 20

    2.3.6  使用subplots()函数绘制多视图窗口 22

    2.3.7  改变指定图片的大小 24

    2.3.8  使用函数rescale()缩放图片 25

    2.3.9  使用函数rotate()旋转图片 25

    3章   OpenCV图像视觉处理 27

    3.1  OpenCV基础 28

    3.1.1  OpenCV介绍 28

    3.1.2  OpenCV-Python介绍 28

    3.1.3  安装OpenCV-Python 29

    3.2  OpenCV-Python图像作 29

    3.2.1  读取并显示图像 29

    3.2.2  保存图像 31

    3.2.3  在Matplotlib中显示图像 32

    3.2.4  绘图 33

    3.2.5  将鼠标作为画笔 37

    3.2.6  调色板程序 38

    3.2.7  基本的属性作 40

    3.2.8  图像的几何变换 42

    3.2.9  图像直方图 45

    3.2.10  特征识别：Harris(哈里斯)角检测 49

    3.3  OpenCV-Python视频作 51

    3.3.1  读取视频 51

    3.3.2  播放视频 53

    3.3.3  保存视频 54

    3.3.4  改变颜色空间 55

    3.3.5  视频的背景分离 56

    3.4  简易车牌识别系统 59

    3.4.1  系统介绍 59

    3.4.2  通用程序 59

    3.4.3  主程序 64

    4章   dlib机器学习和图像处理算法 67

    4.1  dlib介绍 68

    4.2  dlib基本的人脸检测 68

    4.2.1  人脸检测 68

    4.2.2  使用命令行的人脸识别 70

    4.2.3  检测人脸关键点 72

    4.2.4  基于CNN的人脸检测器 74

    4.2.5  在摄像头中识别人脸 76

    4.2.6  人脸识别验证 77

    4.2.7  全局优化 79

    4.2.8  人脸聚类 81

    4.2.9  抖动采样和增强 82

    4.2.10  人脸和姿势采集 84

    4.2.11  物体追踪 86

    4.3  SVM分类算法 87

    4.3.1  二进制SVM分类器 87

    4.3.2  Ranking SVM算法 89

    4.3.3  Struct SVM多分类器 92

    4.4  自训练模型 95

    4.4.1  训练自己的模型 95

    4.4.2  自制对象检测器 98

    5章   face_recognition人脸识别 103

    5.1  安装face_recognition 104

    5.2  实现基本的人脸检测 104

    5.2.1  输出显示指定人像人脸特征 104

    5.2.2  在指定照片中识别标记出人脸 107

    5.2.3  识别出照片中的所有人脸 108

    5.2.4  判断在照片中是否包含某个人脸 111

    5.2.5  识别出在照片中的人到底是谁 113

    5.2.6  摄像头实时识别 114

    5.3  深入face_recognition人脸检测 120

    5.3.1  检测人脸眼睛的状态 120

    5.3.2  模糊处理人脸 122

    5.3.3  检测两个人脸是否匹配 123

    5.3.4  识别视频中的人脸 125

    5.3.5  网页版人脸识别器 127

    6章   Scikit-Learn机器学习和人脸识别 131

    6.1  Scikit-Learn基础 132

    6.1.1  Scikit-Learn介绍 132

    6.1.2  安装Scikit-Learn 132

    6.2  基于Scikit-Learn的常用算法 132

    6.2.1  Scikit-Learn机器学习的基本流程 133

    6.2.2  分类算法 134

    6.2.3  聚类算法 137

    6.2.4  分解算法 139

    6.3  Scikit-Learn和人脸识别 144

    6.3.1  SVM算法人脸识别 144

    6.3.2  KNN算法人脸识别 145

    6.3.3  KNN算法实时识别 151

    7章   TensorFlow机器学习和图像识别 155

    7.1  TensorFlow基础 156

    7.1.1 TensorFlow介绍 156

    7.1.2  TensorFlow的优势 156

    7.1.3  安装TensorFlow 157

    7.2  创建一个机器学习程序 160

    7.2.1  在PyCharm环境实现 160

    7.2.2  在Colaboratory环境实现 162

    7.3  使用内置方法进行训练和评估 164

    7.3.1  一个端到端训练和评估示例 164

    7.3.2  使用compile()训练模型 167

    7.3.3  自定义损失 169

    7.3.4  自定义指标 171

    7.3.5  处理不适合标准签名的损失和指标 173

    7.3.6  自动分离验证预留集 176

    7.3.7  通过tf.data数据集进行训练和评估 177

    7.3.8  使用样本加权和类加权 181

    7.4  TensorFlow图像视觉处理 183

    7.4.1  导入需要的库 183

    7.4.2  导入 Fashion MNIST 数据集 184

    7.4.3  浏览数据 186

    7.4.4  预处理数据 186

    7.4.5  构建模型 188

    7.4.6  编译模型 189

    7.4.7  训练模型 189

    7.4.8  使用训练好的模型 195

    8章   国内常用的三方人脸识别平台 197

    8.1  百度AI开放平台 198

    8.1.1  百度AI开放平台介绍 198

    8.1.2  使用百度AI之前的准备工作 198

    8.1.3  基于百度AI平台的人脸识别 203

    8.2  科大讯飞AI开放平台 207

    8.2.1  科大讯飞AI开放平台介绍 207

    8.2.2  申请试用 208

    8.2.3  基于科大讯飞AI的人脸识别 209

    9章   AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现) 217

    9.1  需求分析 218

    9.1.1  背景介绍 218

    9.1.2  任务目标 218

    9.2  模块架构 219

    9.3  使用Qt Designer实现主窗口界面 220

    9.3.1  设计系统UI主界面 220

    9.3.2  将Qt Designer文件转换为Python文件 221

    9.4  签到打卡、用户作和用户组作 225

    9.4.1  设计UI界面 226

    9.4.2  创建摄像头类 228

    9.4.3  UI界面的作处理 230

    9.4.4  多线程作和人脸识别 241

    9.4.5  导出打卡签到信息 245

    9.5  调试运行 247

    10章   基于深度学习的AI人脸识别系统(Flask  OpenCV-Python Keras Sklearn实现) 251

    10.1  系统需求分析 252

    10.1.1  系统功能分析 252

    10.1.2  实现流程分析 252

    10.1.3  技术分析 253

    10.2  照片样本采集 254

    10.3  深度学习和训练 256

    10.3.1  原始图像预处理 256

    10.3.2  构建人脸识别模块 258

    10.4  人脸识别 263

    10.5  Flask Web人脸识别接口 264

    10.5.1  导入库文件 264

    10.5.2  识别上传照片 265

    10.5.3  在线识别 267

    11章   AI考勤管理系统(face-recognition Matplotlib  Django Scikit-Learn dlib实现) 269

    11.1  背景介绍 270

    11.2  系统需求分析 270

    11.2.1  可行性分析 270

    11.2.2  系统作流程分析 270

    11.2.3  系统模块设计 271

    11.3  系统配置 272

    11.3.1  Django配置文件 272

    11.3.2  路径导航文件 272

    11.4  用户注册和登录验证 273

    11.4.1  登录验证 273

    11.4.2  添加新用户 275

    11.4.3  设计数据模型 276

    11.5  采集照片和机器学习 277

    11.5.1  设置采集对象 277

    11.5.2  采集照片 279

    11.5.3  训练照片模型 281

    11.6  考勤打卡 283

    11.6.1  上班打卡签到 283

    11.6.2  下班打卡 285

    11.7  可视化考勤数据 287

    11.7.1  统计近两周的考勤数据 288

    11.7.2  查看本人指定时间范围内的考勤统计图 292

    11.7.3  查看某员工在指定时间范围内的考勤统计图 298

    12章  AI小区停车计费管理系统 303

    12.1  背景介绍 304

    12.2  系统功能分析和模块设计 304

    12.2.1  功能分析 304

    12.2.2  系统模块设计 305

    12.3  系统GUI 305

    12.3.1  设置基本信息 305

    12.3.2  绘制作按钮 306

    12.3.3  绘制背景和文字 307

    12.4  车牌识别和收费 308

    12.4.1  登记业主的车辆信息 308

    12.4.2  识别车牌 308

    12.4.3  计算停车时间 309

    12.4.4  识别车牌并计费 310

    12.5  主程序 314

     

     

     

     
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
相关图书 / 更多
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像与爱欲：马奈的绘画(艺术史文丛)
沈语冰
￥80.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像处理与计算机视觉
苑全德
￥31.90 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像背后：意大利文艺复兴艺术探微
[英]马丁·坎普 著；盛夏 译；中国国家地理·图书 出品
￥48.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像融合理论、算法与应用
荣传振
￥21.10 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像叙事视域下的格特鲁德·斯泰因研究
顾发良 著
￥15.68 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像：从文艺复兴到社交媒体（佛罗伦萨美术学院入学考试推荐用书！创意型工作者不可错过）
[意]里卡尔多·法尔奇内利 著；狄佳 译；未读 出品
￥70.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像修复和图像融合
李巧巧
￥12.64 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像识别——深度学习模型理论与实战
于浩文
￥33.18 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像美学（第一辑）
韩刚
￥35.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像引导大分割放射神经外科学：脑部和脊髓脊柱肿瘤治疗实用指南
[加拿大]阿琼·萨加尔；[美]西蒙·S.洛；[美]马立军；[美]杰森·P.希恩
￥67.20 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像处理与计算机视觉实践——基于OpenCV和Python
吴佳 于仕琪
￥17.45 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
图像可逆信息隐藏技术
杨百龙；赵文强；刘宇；郭文普
￥45.80 起
您可能感兴趣 / 更多
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Java编程从入门到实践
扶松柏、王洋 著
￥0.10 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Android从入门到精通
扶松柏 著
￥18.51 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Java开发从入门到精通第2版
扶松柏、王洋、陈小玉 著
￥10.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Java开发从入门到精通
扶松柏、陈小玉 著
￥0.10 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
C#项目开发实战密码/赢在项目开发
扶松柏 著
￥8.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
新手学编辑ABC丛书：Java Web编程新手自学手册
扶松柏 著
￥7.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Android开发从入门到精通
扶松柏、于秀青 著
￥5.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
Android开发从入门到精通
扶松柏 著
￥5.00 起
图像识别技术与实战（OpenCV+dlib+Keras+Sklearn+TensorFlow）
深入体验C#项目开发
扶松柏 著
￥8.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全