书名：深度学习与计算机视觉 项目式教材
定价：49.9
ISBN：9787115647795
作者：彭飞 张强
版次：第1版
出版时间：2024-10

内容提要：
本书基于国产自主可控龙芯处理器，系统地介绍计算机视觉领域的基本理论与实践，并结合当前主流的深度学习框架和龙芯平台以项目式教学的形式讲述任务的实施。本书主要包括OpenCV基础功能实战、深度学习框架的部署、计算机视觉技术基础知识、图像分类网络的部署、目标检测网络的部署、图像分割网络的部署、龙芯智能计算平台模型的训练和龙芯智能计算平台的推理部署等内容。通过阅读本书，读者能够了解和掌握深度学习在计算机视觉中的应用，并基于国产自主可控龙芯处理器进行工程实践。 本书适合深度学习与计算机视觉领域的从业者、深度学习与计算机视觉的爱好者阅读，也可作为高等院校计算机相关专业的教材。



作者简介：
彭飞，毕业于中国科学技术大学计算机科学与技术学院，博士，教授级*工程师，现任龙芯中科（合肥）技术有限公司总经理；参与“核高基”“973”“863”等国家重大课题，获得重点领域科学技术奖国家二等奖，担任中国科学技术大学先进技术研究院硕士研究生企业导师、安徽省大数据中心咨询*、安徽省计算机学会常务理事、安徽省商用密码行业协会副会长、安徽省信息技术应用创新产业联盟秘书长。 张强，毕业于南京航空航天大学计算机科学与技术学院，硕士，*工程师，合肥市高层次人才，中国科学院工程技术专业工程师，现*职于龙芯中科（合肥）技术有限公司，主要负责自主可控龙芯平台在深度学习领域的软件研发与生态建设等方面的工作。

目录：
项目1 OpenCV基础功能实战 1
1.1　知识引入 1
1.1.1　OpenCV简介 1
1.1.2　OpenCV的主要模块 1
1.1.3　OpenCV的版本 2
1.1.4　OpenCV-Python 3
1.1.5　龙芯平台和OpenCV 3
1.2　任务1：图像读取、显示和保存 3
1.2.1　任务描述 3
1.2.2　技术准备 3
1.2.3　任务实施 4
1.3　任务2：视频的获取、显示和保存 4
1.3.1　任务描述 4
1.3.2　技术准备 5
1.3.3　任务实施 6
1.4　任务3：几何图形绘制 7
1.4.1　任务描述 7
1.4.2　技术准备 7
1.4.3　任务实施 9
1.5　任务4：鼠标事件的交互与响应 10
1.5.1　任务描述 10
1.5.2　技术准备 10
1.5.3　任务实施 11
1.6　任务5：图像几何变换 12
1.6.1　任务描述 12
1.6.2　技术准备 12
1.6.3　任务实施 15
1.7　任务6：图像滤波技术 19
1.7.1　任务描述 19
1.7.2　技术准备 19
1.7.3　任务实施 21
1.8　任务7：图像边缘检测 24
1.8.1　任务描述 24
1.8.2　技术准备 24
1.8.3　任务实施 26
1.9　任务8：人脸检测与识别 28
1.9.1　任务描述 28
1.9.2　技术准备 28
1.9.3　任务实施 30
1.10　项目总结 32
项目2　深度学习框架的部署 33
2.1　知识引入 33
2.1.1　深度学习的定义 33
2.1.2　神经网络的基本概念 33
2.1.3　深度学习的发展历程 36
2.1.4　深度学习的应用场景 37
2.1.5　如何学习深度学习 37
2.1.6　使用深度学习框架的优势 38
2.2　任务1：基于龙芯平台编译与部署TensorFlow 38
2.2.1　任务描述 38
2.2.2　技术准备 39
2.2.3　任务实施 45
2.3　任务2：基于龙芯平台编译与部署PyTorch 51
2.3.1　任务描述 51
2.3.2　技术准备 51
2.3.3　任务实施 56
2.4　任务3：基于龙芯平台编译与部署ONNX Runtime 59
2.4.1　任务描述 59
2.4.2　技术准备 59
2.4.3　任务实施 60
2.5　任务4：基于龙芯平台编译与部署PaddlePaddle 64
2.5.1　任务描述 64
2.5.2　技术准备 64
2.5.3　任务实施 67
2.6　任务5：基于龙芯平台编译与部署NCNN 71
2.6.1　任务描述 71
2.6.2　技术准备 71
2.6.3　任务实施 72
2.7　项目总结 82
项目3　计算机视觉技术基础知识 83
3.1　知识引入 83
3.1.1　计算机视觉概述 83
3.1.2　计算机视觉的应用领域 83
3.2　任务：常见计算机视觉任务 83
3.2.1　任务描述 83
3.2.2　技术准备 84
3.2.3　任务实施 84
3.3　项目总结 94
项目4　图像分类网络的部署 95
4.1　知识引入 95
4.1.1　CNN简介 95
4.1.2　CNN基础模块 96
4.2　任务1：基于龙芯平台部署VGG 16 102
4.2.1　任务描述 102
4.2.2　技术准备 102
4.2.3　任务实施 104
4.3　任务2：基于龙芯平台部署ResNet 18 106
4.3.1　任务描述 106
4.3.2　技术准备 106
4.3.3　任务实施 109
4.4　任务3：基于龙芯平台部署Inception v3 112
4.4.1　任务描述 112
4.4.2　技术准备 112
4.4.3　任务实施 116
4.5　任务4：基于龙芯平台部署Xception 122
4.5.1　任务描述 122
4.5.2　技术准备 122
4.5.3　任务实施 124
4.6　任务5：基于龙芯平台部署MobileNet 129
4.6.1　任务描述 129
4.6.2　技术准备 129
4.6.3　任务实施 131
4.7　项目总结 133
项目5　目标检测网络的部署 134
5.1　知识引入 134
5.1.1　目标检测基本任务 134
5.1.2　目标检测基本概念 134
5.2　任务1：基于龙芯平台部署两阶段算法Faster R-CNN 137
5.2.1　任务描述 137
5.2.2　技术准备 137
5.2.3　任务实施 138
5.3　任务2：基于龙芯平台部署两阶段算法Keypoint R-CNN 139
5.3.1　任务描述 139
5.3.2　技术准备 139
5.3.3　任务实施 141
5.4　任务3：基于龙芯平台部署单阶段算法YOLO v3 141
5.4.1　任务描述 141
5.4.2　技术准备 141
5.4.3　任务实施 142
5.5　任务4：基于龙芯平台部署单阶段算法SSD 143
5.5.1　任务描述 143
5.5.2　技术准备 143
5.5.3　任务实施 144
5.6　项目总结 148
项目6　图像分割网络的部署 149
6.1　知识引入 149
6.2　任务1：基于龙芯平台部署语义分割网络DeepLab v3+ 150
6.2.1　任务描述 150
6.2.2　技术准备 150
6.2.3　任务实施 154
6.3　任务2：基于龙芯平台部署实例分割网络Mask R-CNN 155
6.3.1　任务描述 155
6.3.2　技术准备 155
6.3.3　任务实施 157
6.4　任务3：基于龙芯平台部署全景分割网络Panoptic FPN 157
6.4.1　任务描述 157
6.4.2　技术准备 157
6.4.3　任务实施 159
6.5　项目总结 159
项目7　龙芯智能计算平台模型的训练 160
7.1　知识引入 160
7.1.1　龙芯智能计算平台 160
7.1.2　龙芯智能计算平台的优势 163
7.1.3　龙芯智能计算平台的应用 164
7.2　任务：利用龙芯AI训练平台训练模型 164
7.2.1　任务描述 164
7.2.2　技术准备 164
7.2.3　任务实施 165
7.3　项目总结 169
项目8　龙芯智能计算平台的推理部署 170
8.1　知识引入 170
8.2　任务1：基于AI加速卡的推理部署 170
8.2.1　任务描述 170
8.2.2　技术准备 170
8.2.3　任务实施 171
8.3　任务2：基于NCNN框架的推理部署 177
8.3.1　任务描述 177
8.3.2　技术准备 178
8.3.3　任务实施 178
8.4　项目总结 180