__ ___ _ _ ___ ____
/ |/ /___ _(_) _____ (_) | / _/ _________ ____ ___
/ /|_/ / __ `/ / | /| / / _ \/ / /| | / /_____/ ___/ __ \/ __ `__ \
/ / / / /_/ / /| |/ |/ / __/ / ___ |_/ /_____/ /__/ /_/ / / / / / /
/_/ /_/\__,_/_/ |__/|__/\___/_/_/ |_/___/ \___/\____/_/ /_/ /_/
作者系迈微AI研习社创始人、CSDN博客专家,主要分享机器学习算法、计算机视觉等相关内容,每周研读顶会论文,持续关注前沿技术动态。公众号底部有菜单分类,关注我们,一起学习成长。
全面 前沿 免费
作者:张伟(Charmve) - 地址:https://charmve.github.io/computer-vision-in-action/ - 地址:~~https://github.com/charmve/computer-vision-in-action/releases~~ (马上来 ...) |
🏷️ fig_book_org
本书详细介绍,请移步 序言。
-
第一部分包括基础知识和预备知识。提供深度学习的入门课程,然后在理论篇中,将快速向你介绍实践计算机视觉所需的前提条件,例如如何存储和处理数据,以及如何应用基于线性代数、微积分和概率基本概念的各种数值运算,涵盖了深度学习的最基本概念和技术,例如线性回归、多层感知机和正则化。
-
第二部分是本书涉及的计算机视觉基础理论,核心部分为神经网络模型,包括神经网络、卷积神经网络、循环神经网络理论讲解,以图像分类、模型拟合与优化作为其代码的实战项目。在模型拟合和优化章节中,着重分享梯度下降、随机梯度下降、动量法、AdaBoost等方法。
-
接下来的七章集中讨论现代计算机视觉技术实战,也是本书的核心部分。围绕这样的组织逻辑:什么是计算机视觉?计算机视觉解决什么问题,都是怎么解决的?传统方法——以卷积神经网络为中心的神经网络;现代方法——Transformer、强化学习、迁移学习、生成对抗等。各种方法是如何实现的,用到了什么框架?在第7章中,描述了计算机视觉的经典卷积神经网络PyTorch实现,并为我们随后实现更复杂的模型奠定了基础。在随后的几个章节中,我们主要解决图像分类、目标检测、语义分割、3D重建等实际问题,并给出实战项目。
-
该部分以项目为实战指导,给出详细的项目指导书和代码实现,更为特别的是,给出了notebook可以直接在线运行,跑通结果,免去了本地运行环境的搭建复杂性。于此同时,为了方便读者在本地调试,作者建立了一个名为
L0CV
的第三方包,可以直接在代码中import L0CV
后使用。 -
第三部分讨论最近几年出现的“网红”模型,诸如:Transformer、Attention、知识蒸馏、迁移学习、生成对抗模型等。这部分也是此份资料的力挺之作。最后,在
chap_optimization
中,我们讨论了用于训练深度学习模型的几种常用优化算法,如:模型压缩、模型剪枝、微调、蒸馏等。
本开源项目代表了我们的一种尝试:我们将教给读者概念、背景知识和代码;我们将在同一个地方阐述剖析问题所需的批判性思维、解决问题所需的数学知识,以及实现解决方案所需的工程技能。
我们的目标是创建一个为实现以下目标的统一资源:
- 所有人均可在网上免费获取;
- 提供足够的技术深度,从而帮助读者实际成为计算机视觉应用科学家:既理解数学原理,又能够实现并不断改进方法;
- 包含可运行的代码,为读者展示如何在实际中解决问题。这样不仅直接将数学公式对应成实际代码,而且可以修改代码、观察结果并及时获取经验;
- 允许我们和整个社区不断快速迭代内容,从而紧跟仍在高速发展的计算机视觉领域;
- 由包含有关技术细节问答的论坛作为补充,使大家可以相互答疑并交换经验。
- 更新中 ... |
🏷️sec_code
- 依赖包安装
sudo apt-get update
pip3 install -r requirements.txt
- 创建 L0CV
python3 setup.py
- 测试环境
cd code
python3 L0CV_test.py
- 依赖包安装
pip3 install -r requirements.txt
- 安装 Jupyter
python3 -m pip install --upgrade pip
python3 -m pip install jupyter
- 查看并运行jupyter
请在终端(Mac / Linux)或命令提示符(Windows)上运行以下命令:
cd notebooks
jupyter notesbook
按书中内容先后顺序逐章阅读,或者选取特定章节祥读 📁 docs/
1,动手实践章节代码,在代码文件 📁 code/
2 下找到对应代码,本地测试或者Colab 📁 notebooks/
3 在线测试。
- 📁
L0CV/
- 专为本项目建立的 L0CV 包 - 📁
code/
- 书中完整代码 - 📁
datasets/
- 本书所用数据集- 📁
images/
- 经典图像处理图片
- 📁
- 📁
docs/
- 全书按照一下几个篇目进行编写- 📁
0_绪论/
- 全书绪论 - 📁
1_理论篇/
- 基本理论和算法基础 - 📁
2_实战篇/
- 项目实战教程 - 📁
3_进阶篇/
- 最新CV模型和算法 - 📁
附件/
- 所需数学和统计学知识 - 📁
img/
- 各章节所使用的插图
- 📁
- 📁
models/
- 封装可用的预训练模型 - 📁
notebooks/
- 全书 Colab notebook,可在线测试- 📁
chapter01_neural-networks/
- 第 1 章 - 神经网络 Jupyter Notebook 实现 - 📁
chapter02_CNN/
- 第 2 章 - 卷积神经网络 Jupyter Notebook 实现 - 📁
chapter03_Image-Classification
- 第 3 章 - 图像分类 Jupyter Notebook 实现 - 📁
chapter04_recurrent-neural-networks/
- 第 4 章 - 递归神经网络 Jupyter Notebook 实现 - 📁
chapter05_graph-neural-network/
- 第 5 章 - 图神经网络 Jupyter Notebook 实现 - 📁
chapter07_optimization/
- 第 6 章 - 模型拟合与优化算法 Jupyter Notebook 实现 - 📁
chapter08_environment-setup-and-tool-use/
- 第 7 章 - 软件环境搭建与工具使用 Jupyter Notebook 实现 - 📁
chapter09_convolutional-neural-networks/
- 第 8 章 - 经典神经网络架构:原理与PyTorch实现 Jupyter Notebook 实现 - 📁
chapter12_practice-projects
- 第 12 章 - 计算机视觉课题研究初探 Jupyter Notebook 实现 - 📁
chapter13_Understanding-and-Visualizing/
- 第 13 章 - 可视化与理解卷积神经网络 Jupyter Notebook 实现 - 📁
chapter14_GAN/
- 第 14 章 - 生成对抗模型 Jupyter Notebook 实现 - 📁
chapter15_Transfer-Learning/
- 第 15 章 - 迁移学习 Jupyter Notebook 实现 - 📁
chapter16_Attention/
- 第 16 章 - 注意力机制 Jupyter Notebook 实现 - 📁
chapter17_Transformers/
- 第 17 章 - Transformers Jupyter Notebook 实现 - ...
- 📁
imgs/
- Jupyter Notebook 中用到的图片
- 📁
- 📁
docker/
- 为降低读者的学习成本,目前未进行搭建 - 📁
res/
- ui 图片及全书思维导图PDF - 📄
README.md
- 全书介绍及目录
-
在线教程页面无法打开:
测试中存在部分人打不开在线教程的情况。
部分小伙伴反馈尝试切换浏览器后可以正常打开了,如果仍然不行,最有效的解决办法是科学上网。
-
无法加载图片的解决办法:
根本解决办法还是科学上网,也可以尝试修改host文件看下是否能解决。
-
公式无法正常显示解决办法:
GitHub中的Markdown原生是不支持LATEX公式显示的,如果你喜欢在本项目中直接浏览教程,可以安装Chrome的
MathJax Plugin for Github
插件让大部分公式正常显示。而docs文件夹已经利用docsify被部署到了GitHub Pages上,包含公式的章节强力建议使用 《计算机视觉实战演练:算法与应用》 在线阅读 进行学习。当然如果你还想跑一下运行相关代码的话还是得把本项目clone下来,然后运行code文件夹下相关代码。
-
Jupyter Notebook 无法在 GitHub 上呈现? 使用 nbviewer。
如果您在使用的过程中碰到问题,可以通过下面几个途径寻求帮助,同时我们也鼓励资深用户通过下面的途径给新人提供帮助。
通过 GitHub Discussions 提问时,建议使用 Q&A
标签。
通过 Stack Overflow 或者 Segment Fault 提问时,建议加上 L0CV
标签。
--> Go to see REFERENCE.md, 感谢前人的杰出工作,我才得以写出此书。
- 若本书里没有你想要理论和实战项目,或者你发现本书哪个地方有错误,请毫不犹豫地去本仓库的 Issues( 地址 https://github.com/charmve/computer-vision-in-action/issues )进行反馈,在对应版块提交你希望补充的内容或者勘误信息,作者通常会在 24 小时以内给您回复,超过 24 小时未回复的话可以邮件联系我(微信 MaiweiE_com);
- 同时,我也欢迎大家加入本项目的建设中来,欢迎 pull request!
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。
作者会尽最大努力来确保书中内容的准确性,但难免会存在疏漏与不妥之处。欢迎您将发现的问题反馈给我们,帮助提升本开放资源的质量。
All VC-action docs are open source. See something that's wrong or unclear? Submit a pull request. Make a contribution |
Use this bibtex to cite this repository:
@misc{computer-vision-in-action,
title={计算机视觉实战演练:算法与应用(Computer Vision in Action)},
author={Charmve},
year={2021.06},
publisher={Github},
journal={GitHub repository},
howpublished={\url{https://github.com/Charmve/computer-vision-in-action}},
}
Feel free to ask any questions, open a PR if you feel something can be done differently!
Created by Charmve & maiwei.ai Community | Deployed on GitBook
* Update on Apr 29,2021 @Charmve, Star and Fork