機(jī)器人智能視覺感知與深度學(xué)習(xí)應(yīng)用

目　　錄
推薦序
前言
第1章　緒論　1
1.1　機(jī)器人視覺感知系統(tǒng)　2
1.2　機(jī)器人視覺感知發(fā)展趨勢　2
1.3　機(jī)器人視覺感知研究挑戰(zhàn)　3
1.4　噴碼識別系統(tǒng)應(yīng)用實踐　8
1.4.1　噴碼檢測方法概述　9
1.4.2　噴碼識別系統(tǒng)需求分析　11
1.4.3　噴碼識別系統(tǒng)硬件選型　12
1.4.4　基于輕量級Ghost-YOLO
模型的噴碼識別　16
1.5　本章小結(jié)　30
第2章　機(jī)器人智能視覺感知系統(tǒng)
概述　31
2.1　機(jī)器人智能視覺感知系統(tǒng)組成　31
2.2　機(jī)器人智能視覺感知的主要
流程　37
2.3　機(jī)器人智能視覺感知的典型
應(yīng)用　39
2.3.1　面向農(nóng)業(yè)機(jī)器人的視覺感知概述　40
2.3.2　基于多模型融合的應(yīng)用
實踐　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　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)的視覺目標(biāo)檢測　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　自然場景下文本檢測與
識別　76
4.1　概述　76
4.2　基于圖像分割的場景文本檢測　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　場景文本區(qū)域的檢測　 84
4.2.4　文本區(qū)域的后處理算法　85
4.2.5　文本檢測應(yīng)用實踐　87
4.3　基于序列的場景文本識別　92
4.3.1　場景文本特征序列的
提取　93
4.3.2　特征序列上下文信息
提取　95
4.3.3　轉(zhuǎn)錄層文本識別　98
4.3.4　文本識別網(wǎng)絡(luò)　100
4.3.5　模型訓(xùn)練　101
4.3.6　文本識別應(yīng)用實踐　102
4.4　基于輕量級模型的噴碼文本識別
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　字符文本識別　109
4.4.4　字符文本識別應(yīng)用實踐　115
4.4.5　基于嵌入式系統(tǒng)的算法
設(shè)計與實現(xiàn)　121
4.4.6　系統(tǒng)運行測試　124
4.5　本章小結(jié)　125
第5章　視覺目標(biāo)檢測　126
5.1　目標(biāo)檢測系統(tǒng)概述　126
5.2　目標(biāo)檢測的相關(guān)概念　129
5.3　目標(biāo)檢測模型分類　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　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)檢測應(yīng)用實踐　150
5.6　基于Mask R-CNN的目標(biāo)檢測　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)用實踐　162
5.6.4　籃球以及球員檢測系統(tǒng)
軟件設(shè)計　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　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)用實踐　193
6.5　本章小結(jié)　199
第7章　圖像語義分割　200
7.1　圖像語義分割概述　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)用實踐　219
7.4　本章小結(jié)　229
參考文獻(xiàn)　230