主编推荐语

一本在计算机视觉学习和应用过程中的综合性指导手册。

内容简介

本书将内容分为四个部分。

第一部分是人工智能（AI）的理论知识，以此作为本书知识框架的基础。从AI的历史开篇，深入浅出地讲解计算机视觉中的数学知识、神经网络的基础架构以及常见的算法评估标准。

第二部分是人工智能（AI）产品质量体系建设实践，以计算机视觉（CV）系统为例讲解AI系统的测试策略。从传统软件测试与AI系统测试的异同开始，探讨工程、数据、模型三个维度的质量建设方法。这里会涉及数据采集、数据增强和模型的分层测试技术。此部分可以帮组读者了解如何去构建一个针对AI产品的质量保障体系。

第三部分是智能化测试探索，讨论计算机视觉（CV）技术在是测试中的具体应用。探索利用深度学习构建的异常检测机制，以及讨论CV技术在UI遍历测试中的具体运用场景。最后，我们延伸到大模型，介绍了其在评测与文生图上的应用示例。

第四部分是大语言模型（LLM）应用与评测，介绍大语言模型基础知识、在测试领域的应用与评测技术等。从大语言模型的定义开始，介绍了LLM演进历史、应用场景与技术、以及局限性。并对其在测试领域应用，进行了示例说明。然后，我们探讨了大语言模型在图像领域的应用，解释了大语言模型基础能力、文生图能力、文生视频能力等三种能力的评测技术与指标框架。

目录