科技 类型
9.7 豆瓣评分
可以朗读 语音朗读
261千字 字数
2020-06-01 发行日期
展开全部

主编推荐语

深入解析OpenCV DNN模块、基于GPU/CPU的加速实现、性能优化技巧与可视化工具，以及人脸活体检测等应用。

内容简介

开源软件开发作为一种开发模式，社区互动是必不可少的组成部分。作者和OpenCV社区的互动，最早可以追溯到2010年。彼时OpenCV已经在业内流行了，但来自国内的贡献很少。

最初，作者也经历了彷徨和不安，担心代码会不被接受。经过一些尝试后，逐渐与社区、OpenCV项目的维护者Vadim先生建立了良好的合作关系。待后来Intel收购了Itseez公司之后，大家成为同事，合作就变得更多了。

本书的各位作者作为参与OpenCV项目的开发者，贡献了重要算法的优化和实现。他们希望通过本书，分享自己的成长经历，携手国内开源社区的程序员和工程师一起参与OpenCV项目的开发。

目录

  • 版权信息
  • 序一
  • 序二
  • 序三
  • 序四
  • 前言
  • 第1章 OpenCV和深度学习
  • 1.1 OpenCV处理流程
  • 1.1.1 OpenCV库
  • 1.1.2 OpenCV深度学习应用的典型流程
  • 1.2 机器学习的数学视角
  • 1.2.1 机器学习和非机器学习
  • 1.2.2 从人工神经网络到深度学习
  • 1.2.3 破除神秘——神经网络是如何训练的
  • 1.3 OpenCV深度学习模块
  • 1.3.1 主要特性
  • 1.3.2 OpenCV DNN图像分类举例（Python）
  • 1.4 本章小结
  • 第2章 OpenCV深度学习模块解析
  • 2.1 深度学习模块分层架构总览
  • 2.2 语言绑定和测试层
  • 2.2.1 深度学习模块的Python语言绑定
  • 2.2.2 深度学习模块的正确性测试和性能测试
  • 2.3 API层
  • 2.3.1 Layer类及如何定制一个新的层类型
  • 2.3.2 Net类
  • 2.3.3 常用函数
  • 2.4 DNN引擎层
  • 2.4.1 模型导入
  • 2.4.2 推理引擎数据对象管理
  • 2.4.3 推理引擎重点层解释
  • 2.4.4 层的合并优化
  • 2.5 引擎加速层
  • 2.5.1 深度学习模块支持的运算目标设备
  • 2.5.2 深度学习模块支持的加速后端
  • 2.5.3 加速方式的选择
  • 2.6 本章小结
  • 第3章 并行计算与GPU架构
  • 3.1 并行计算浅谈
  • 3.2 Intel GPU架构及其在并行计算中的应用
  • 3.2.1 Intel GPU的计算架构
  • 3.2.2 两种不同的SIMD使用思路——AOS和SOA
  • 3.2.3 cl_intel_subgroups在Intel GPU上的参考实现
  • 3.3 本章小结
  • 第4章 基于Vulkan的加速实现
  • 4.1 初识Vulkan
  • 4.2 使用Vulkan加速
  • 4.2.1 安装Vulkan运行环境
  • 4.2.2 改写应用程序代码
  • 4.2.3 运行DNN模块测试程序
  • 4.3 Vulkan后端加速过程解析
  • 4.3.1 数据对象初始化
  • 4.3.2 后端运算节点初始化
  • 4.3.3 调用后端运算节点进行前向运算
  • 4.3.4 Vulkan后端库
  • 4.4 本章小结
  • 第5章 基于OpenCL的加速实现
  • 5.1 OpenCL简介
  • 5.2 如何使用OpenCL加速
  • 5.3 OpenCL加速详解
  • 5.3.1 OpenCL API封装
  • 5.3.2 DNN模块的卷积层实现详解
  • 5.3.3 ocl4dnn库的卷积运算类详解
  • 5.3.4 卷积核函数auto-tuning机制解析
  • 5.4 本章小结
  • 第6章 CPU及第三方库加速的实现
  • 6.1 原生CPU加速实现
  • 6.1.1 基于多线程技术的加速
  • 6.1.2 基于并行指令的加速
  • 6.2 Halide后端的实现
  • 6.2.1 Halide介绍
  • 6.2.2 如何启用Halide
  • 6.2.3 Halide后端的实现原理
  • 6.3 Intel推理引擎后端的实现
  • 6.3.1 Intel推理引擎介绍
  • 6.3.2 如何启用推理引擎后端
  • 6.3.3 Intel推理引擎后端的实现原理
  • 6.4 本章小结
  • 第7章 可视化工具与性能优化
  • 7.1 Netscope：基于Web的Caffe网络可视化工具
  • 7.2 TensorBoard：助力TensorFlow程序的理解和调试
  • 7.2.1 图的可视化
  • 7.2.2 数据的可视化
  • 7.2.3 调试的可视化
  • 7.3 VTune：Intel平台的性能调优利器
  • 7.3.1 系统性能查看工具
  • 7.3.2 Intel VTune功能介绍
  • 7.3.3 VTune程序性能优化实例
  • 7.4 程序优化流程总结和建议
  • 7.5 本章小结
  • 第8章 支付级人脸识别项目开发实战
  • 8.1 活体检测的概念与方法
  • 8.2 支付级人脸识别项目流程
  • 8.3 基于OpenCV的支付级人脸识别项目具体实现
  • 8.3.1 数据准备
  • 8.3.2 活体检测模型训练
  • 8.3.3 支付级人脸识别系统实现
  • 8.4 本章小结
  • 第9章 深度学习模块不同场景下的应用实践
  • 9.1 图像分类
  • 9.1.1 图像分类经典网络结构
  • 9.1.2 GoogLeNet
  • 9.1.3 图像分类程序源码分析
  • 9.1.4 图像分类程序运行结果
  • 9.2 目标检测
  • 9.2.1 SSD算法解析
  • 9.2.2 目标检测程序源码分析
  • 9.2.3 目标检测程序运行结果
  • 9.3 语义分割
  • 9.3.1 FCN模型
  • 9.3.2 语义分割程序源码分析
  • 9.3.3 语义分割程序运行结果
  • 9.4 视觉风格变换
  • 9.4.1 视觉风格变换模型
  • 9.4.2 视觉风格变换程序源码分析
  • 9.4.3 视觉风格变换程序运行结果
  • 9.5 本章小结
  • 附录A OpenCV的编译安装及patch开发流程
  • 附录B intel_gpu_frequency工具的安装和使用
展开全部

评分及书评

评分不足
2个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。