機(jī)器人智能視覺(jué)感知與深度學(xué)習(xí)應(yīng)用

目　　錄
推薦序
前言
第1章　緒論　1
1.1　機(jī)器人視覺(jué)感知系統(tǒng)　2
1.2　機(jī)器人視覺(jué)感知發(fā)展趨勢(shì)　2
1.3　機(jī)器人視覺(jué)感知研究挑戰(zhàn)　3
1.4　噴碼識(shí)別系統(tǒng)應(yīng)用實(shí)踐　8
1.4.1　噴碼檢測(cè)方法概述　9
1.4.2　噴碼識(shí)別系統(tǒng)需求分析　11
1.4.3　噴碼識(shí)別系統(tǒng)硬件選型　12
1.4.4　基于輕量級(jí)Ghost-YOLO
模型的噴碼識(shí)別　16
1.5　本章小結(jié)　30
第2章　機(jī)器人智能視覺(jué)感知系統(tǒng)
概述　31
2.1　機(jī)器人智能視覺(jué)感知系統(tǒng)組成　31
2.2　機(jī)器人智能視覺(jué)感知的主要
流程　37
2.3　機(jī)器人智能視覺(jué)感知的典型
應(yīng)用　39
2.3.1　面向農(nóng)業(yè)機(jī)器人的視覺(jué)感知概述　40
2.3.2　基于多模型融合的應(yīng)用
實(shí)踐　41
2.4　本章小結(jié)　49
第3章　深度學(xué)習(xí)技術(shù)概述　50
3.1　全連接神經(jīng)網(wǎng)絡(luò)　50
3.1.1　反向傳播原理　52
3.1.2　全連接神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)　53
3.2　卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用　53
3.2.1　神經(jīng)網(wǎng)絡(luò)的基本運(yùn)算　54
3.2.2　神經(jīng)網(wǎng)絡(luò)的常用函數(shù)　58
3.2.3　模型融合　64
3.2.4　循環(huán)神經(jīng)網(wǎng)絡(luò)　66
3.2.5　集成學(xué)習(xí)理論基礎(chǔ)　69
3.3　基于深度學(xué)習(xí)的視覺(jué)目標(biāo)檢測(cè)　70
3.3.1　兩階段算法　71
3.3.2　一階段算法　71
3.4　基于深度學(xué)習(xí)的視覺(jué)目標(biāo)跟蹤　73
3.4.1　單目標(biāo)跟蹤　73
3.4.2　多目標(biāo)跟蹤　 74
3.5　本章小結(jié)　75
第4章　自然場(chǎng)景下文本檢測(cè)與
識(shí)別　76
4.1　概述　76
4.2　基于圖像分割的場(chǎng)景文本檢測(cè)　81
4.2.1　特征提取網(wǎng)絡(luò)　82
4.2.2　文本區(qū)域掩碼標(biāo)簽的
生成　83
4.2.3　場(chǎng)景文本區(qū)域的檢測(cè)　 84
4.2.4　文本區(qū)域的后處理算法　85
4.2.5　文本檢測(cè)應(yīng)用實(shí)踐　87
4.3　基于序列的場(chǎng)景文本識(shí)別　92
4.3.1　場(chǎng)景文本特征序列的
提取　93
4.3.2　特征序列上下文信息
提取　95
4.3.3　轉(zhuǎn)錄層文本識(shí)別　98
4.3.4　文本識(shí)別網(wǎng)絡(luò)　100
4.3.5　模型訓(xùn)練　101
4.3.6　文本識(shí)別應(yīng)用實(shí)踐　102
4.4　基于輕量級(jí)模型的噴碼文本識(shí)別
系統(tǒng)　106
4.4.1　字符區(qū)域提取　107
4.4.2　字符文本處理　108
4.4.3　字符文本識(shí)別　109
4.4.4　字符文本識(shí)別應(yīng)用實(shí)踐　115
4.4.5　基于嵌入式系統(tǒng)的算法
設(shè)計(jì)與實(shí)現(xiàn)　121
4.4.6　系統(tǒng)運(yùn)行測(cè)試　124
4.5　本章小結(jié)　125
第5章　視覺(jué)目標(biāo)檢測(cè)　126
5.1　目標(biāo)檢測(cè)系統(tǒng)概述　126
5.2　目標(biāo)檢測(cè)的相關(guān)概念　129
5.3　目標(biāo)檢測(cè)模型分類(lèi)　133
5.4　數(shù)據(jù)獲取與處理　135
5.4.1　數(shù)據(jù)預(yù)處理　136
5.4.2　數(shù)據(jù)標(biāo)注　138
5.5　基于R-FCN的目標(biāo)檢測(cè)　140
5.5.1　R-FCN基本原理介紹　140
5.5.2　R-FCN算法的改進(jìn)　146
5.5.3　目標(biāo)檢測(cè)應(yīng)用實(shí)踐　150
5.6　基于Mask R-CNN的目標(biāo)檢測(cè)　153
5.6.1　Mask R-CNN算法基本
原理　154
5.6.2　改進(jìn)Mask R-CNN模型　157
5.6.3　Mask R-CNN應(yīng)用實(shí)踐　162
5.6.4　籃球以及球員檢測(cè)系統(tǒng)
軟件設(shè)計(jì)　164
5.7　本章小結(jié)　167
第6章　多目標(biāo)跟蹤　168
6.1　目標(biāo)跟蹤概述　168
6.1.1　單目標(biāo)跟蹤　168
6.1.2　多目標(biāo)跟蹤　171
6.1.3　多相機(jī)多目標(biāo)跟蹤　175
6.2　多目標(biāo)跟蹤系統(tǒng)構(gòu)成　176
6.3　基于序列特征的多目標(biāo)跟蹤
方法　177
6.4　基于上下文圖模型的單相機(jī)多目標(biāo)
跟蹤　184
6.4.1　圖卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)
知識(shí)　186
6.4.2　基于上下文圖模型的單相機(jī)多球員跟蹤　187
6.4.3　多目標(biāo)跟蹤應(yīng)用實(shí)踐　193
6.5　本章小結(jié)　199
第7章　圖像語(yǔ)義分割　200
7.1　圖像語(yǔ)義分割概述　200
7.1.1　圖像分割算法的定義　200
7.1.2　傳統(tǒng)的圖像分割算法　200
7.1.3　基于卷積神經(jīng)網(wǎng)絡(luò)的圖像
語(yǔ)義分割算法　204
7.2　基于自適應(yīng)特征選擇網(wǎng)絡(luò)的遙感
影像語(yǔ)義分割　208
7.2.1　基于自適應(yīng)特征選擇
網(wǎng)絡(luò)的遙感影像語(yǔ)義分割
算法　208
7.2.2　基于自適應(yīng)特征選擇網(wǎng)絡(luò)的遙感影像分割應(yīng)用實(shí)踐　211
7.3　基于SU-SWA的區(qū)域分割　215
7.3.1　基于SU-SWA的區(qū)域分割
任務(wù)分析　215
7.3.2　基于SU-SWA的區(qū)域分割
方法　215
7.3.3　基于SU-SWA的區(qū)域分割
應(yīng)用實(shí)踐　219
7.4　本章小結(jié)　229
參考文獻(xiàn)　230