OpenCV深度學習應用與性能優化實踐 pdf epub mobi txt 電子書下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁

吳至文

機械工業齣版社

2020-7-1

300

89.00元

平裝

智能係統與技術叢書

9787111656463

圖書標籤: OpenCV 深度學習好書，值得一讀 OpenVINO 人工智能

喜歡 OpenCV深度學習應用與性能優化實踐的讀者還喜歡

下載链接在页面底部

點擊這裡下載

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到小哈圖書下載中心

qciss.net

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

发表于2024-11-23

OpenCV深度學習應用與性能優化實踐 epub 下載 mobi 下載 pdf 下載 txt 電子書下載 2024

OpenCV深度學習應用與性能優化實踐 pdf epub mobi txt 電子書下載 2024

圖書描述

序一

序二

序三

序四

前言

第1章OpenCV和深度學習 1

1.1　OpenCV處理流程 1

1.1.1　OpenCV庫 1

1.1.2　OpenCV深度學習應用的典型流程 3

1.2　機器學習的數學視角 5

1.2.1　機器學習和非機器學習 5

1.2.2　從人工神經網絡到深度學習 8

1.2.3　破除神秘——神經網絡是如何訓練的 11

1.3　OpenCV深度學習模塊 16

1.3.1　主要特性 16

1.3.2　OpenCV DNN圖像分類舉例（Python） 17

1.4　本章小結 19

第2章OpenCV深度學習模塊解析 20

2.1　深度學習模塊分層架構總覽 20

2.2　語言綁定和測試層 21

2.2.1　深度學習模塊的Python語言綁定 21

2.2.2　深度學習模塊的正確性測試和性能測試 23

2.3　API層 30

2.3.1　Layer 類及如何定製一個新的層類型 30

2.3.2　Net 類 32

2.3.3　常用函數 35

2.4　DNN引擎層 37

2.4.1　模型導入 37

2.4.2　推理引擎數據對象管理 43

2.4.3　推理引擎重點層解釋 47

2.4.4　層的閤並優化 62

2.5　引擎加速層 66

2.5.1　深度學習模塊支持的運算目標設備 67

2.5.2　深度學習模塊支持的加速後端 68

2.5.3　加速方式的選擇 69

2.6　本章小結 70

第3章並行計算與GPU架構 71

3.1　並行計算淺談 71

3.2　Intel GPU架構及其在並行計算中的應用 74

3.2.1　Intel GPU的計算架構 74

3.2.2　兩種不同的SIMD使用思路——AOS和SOA 82

3.2.3　cl_intel_subgroups 在 Intel GPU 上的參考實現 89

3.3　本章小結 100

第4章基於Vulkan的加速實現 101

4.1　初識Vulkan 101

4.2　使用Vulkan加速 102

4.3　Vulkan後端加速過程解析 104

4.3.1　數據對象初始化 105

4.3.2　後端運算節點初始化 108

4.3.3　調用後端運算節點進行前嚮運算 111

4.3.4　Vulkan後端庫 113

4.4　本章小結 119

第5章基於OpenCL的加速實現 120

5.1　OpenCL簡介 120

5.2　如何使用OpenCL加速 125

5.3　OpenCL加速詳解 128

5.3.1　OpenCL API封裝 129

5.3.2　DNN模塊的捲積層實現詳解 132

5.3.3　ocl4dnn庫的捲積運算類詳解 134

5.3.4　捲積核函數auto-tuning機製解析 138

5.4　本章小結 143

第6章CPU及第三方庫加速的實現 144

6.1　原生CPU加速實現 144

6.1.1　基於多綫程技術的加速 147

6.1.2　基於並行指令的加速 153

6.2　Halide後端的實現 157

6.2.1　Halide介紹 158

6.2.2　如何啓用Halide 163

6.2.3　Halide後端的實現原理 165

6.3　Intel推理引擎後端的實現 171

6.3.1　Intel推理引擎介紹 171

6.3.2　如何啓用推理引擎後端 172

6.3.3　Intel推理引擎後端的實現原理 176

6.4　本章小結 185

第7章可視化工具與性能優化 186

7.1　Netscope：基於Web的Caffe網絡可視化工具 186

7.2　TensorBoard：助力TensorFlow程序的理解和調試 188

7.2.1　圖的可視化 188

7.2.2　數據的可視化 191

7.2.3　調試的可視化 197

7.3　VTune：Intel 平颱的性能調優 199

7.3.1　係統性能查看工具 200

7.3.2　Intel VTune 功能介紹 202

7.3.3　VTune 程序性能優化實例 211

7.4　程序優化流程總結和建議 213

7.5　本章小結 215

第8章支付級人臉識彆項目開發實戰 216

8.1　活體檢測的概念與方法 216

8.2　支付級人臉識彆項目流程 218

8.3　基於OpenCV的支付級人臉識彆項目具體實現 220

8.3.1　數據準備 222

8.3.2　活體檢測模型訓練 230

8.3.3　支付級人臉識彆係統實現 238

8.4　本章小結 244

第9章深度學習模塊不同場景下的應用實踐 245

9.1　圖像分類 245

9.1.1　圖像分類經典網絡結構 245

9.1.2　GoogLeNet 247

9.1.3　圖像分類程序源碼分析 249

9.1.4　圖像分類程序運行結果 255

9.2　目標檢測 256

9.2.1　SSD算法解析 256

9.2.2　目標檢測程序源碼分析 257

9.2.3　目標檢測程序運行結果 260

9.3　語義分割 261

9.3.1　FCN模型 262

9.3.2　語義分割程序源碼分析 263

9.3.3　語義分割程序運行結果 267

9.4　視覺風格變換 268

9.4.1　視覺風格變換模型 268

9.4.2　視覺風格變換程序源碼分析 269

9.4.3　視覺風格變換程序運行結果 271

9.5　本章小結 273

附錄AOpenCV的編譯安裝及patch開發流程 274

附錄Bintel_gpu_frequency工具的安裝和使用 280

OpenCV深度學習應用與性能優化實踐下載 mobi epub pdf txt 電子書

著者簡介

吳至文

Intel亞太研發有限公司資深圖形圖像工程師，擁有多年算法開發優化經驗，技術領域涵蓋顯示係統、視覺處理、深度學習框架加速，尤其擅長基於OpenCL和Vulkan的算法設計及優化，是OpenCV DNN模塊Vulkan後端的作者、OpenCL後端主要貢獻者之一。近期關注深度學習視覺算法開發及其高效部署。

郭葉軍

Intel資深圖形圖像工程師。多年圖形芯片驅動開發經驗，主要包括OpenGL驅動和OpenCL驅動。目前關注視頻分析中的深度學習，是FFmpeg深度學習模塊的代碼維護者。

宗煒

Intel資深圖形圖像工程師，長期從事計算機視覺算法與應用、數字圖像處理、Camera成像算法開發，在CPU/GPU/ISP異構計算算法設計與優化上經驗頗豐，是圖像處理與計算機視覺算法開源項目libXCam的維護者和主要貢獻者。近期關注低延時、超高分辨率VR視頻直播方案的開發和部署。

李鵬

阿裏巴巴高級技術專傢，原Intel亞太研發有限公司資深圖形圖像工程師。涉及領域包括顯示係統、圖形圖像處理、深度學習框架加速。是OpenCV DNN模塊OpenCL後端主要貢獻者之一。

趙娟

Intel高級研發經理，鑽研圖形圖像、視頻編解碼和視頻處理十幾年，帶領團隊深耕視頻編解碼和處理軟硬件加速、深度學習算法分析與設計，緻力於讓開源軟件在圖形圖像視頻市場落地，並組織團隊把多年的“乾貨”整理成書，與視頻行業的朋友們一起探討與成長。