本書通過具體的案例，循序漸進地講解了計算機視覺和模型調優的相關內容。首先介紹基礎知識，包括人工智能基礎、計算機視覺基礎、圖像基礎和編程基礎相關知識。然后講解傳統計算機視覺和基于深度學習的計算機視覺，如卷積神經網絡等。接著深入探討算法原理，包括卷積、池化、批歸一化、激活函數、殘差結構、全連接、SoftMax等，并提供手寫算法示例。最后介紹了模型在 Python 和 C++中的實際應用以及性能優化技巧，如計算向量化、權值預加載和多線程等。
本書內容實用，由淺入深，案例典型，講解通俗易懂，隨書提供全部程序代碼，且代碼注釋詳細，方便讀者理解，并上手實踐。
本書非常適合人工智能、機器學習、深度學習、計算機視覺初學者學習使用，也可用作高等院校中相關專業的教材及參考書。
第一章 基礎知識 001～018
1.1 人工智能基礎 002
1.2 計算機視覺基礎 005
1.2.1 算法 006
1.2.2 性能 007
1.3 編程基礎 008
1.3.1 Python簡介 008
1.3.2 C++簡介 009
1.4 圖像基礎 010
1.4.1 像素 010
1.4.2 圖像特征 011
1.4.3 RGB圖 012
1.4.4 灰度圖 015
1.5 本章小結 016
第二章 傳統計算機視覺 019～034
2.1 概述 020
2.2 均值濾波 020
2.2.1 算法解析 020
2.2.2 代碼實戰 022
2.3 高斯濾波 024
2.3.1 算法解析 024
2.3.2 代碼實戰 025
2.4 邊緣檢測 027
2.5 圖像分割 029
2.6 本章小結 032
第三章 基于深度學習的計算機視覺 035～050
3.1 基礎概念 036
3.1.1 人工神經網絡 036
3.1.2 訓練和推理 037
3.1.3 正向傳播和反向傳播 039
3.2 卷積神經網絡 042
3.2.1 ResNet50模型 042
3.2.2 ResNet50中的算法 044
3.3 訓練一個卷積神經網絡 044
第四章 算法詳解與實戰 051～110
4.1 卷積 053
4.1.1 初識卷積 053
4.1.2 特征圖 055
4.1.3 感受野 056
4.1.4 乘累加運算 058
4.1.5 多維卷積公式 060
4.1.6 填充 063
4.1.7 步長 064
4.1.8 膨脹率 067
4.1.9 輸出尺寸公式 068
4.1.10 手寫卷積 071
4.1.11 卷積總結 073
4.2 池化 074
4.2.1 什么是池化 074
4.2.2 池化的作用 076
4.2.3 全局平均池化 077
4.2.4 手寫池化算法 079
4.3 Batch Normalization 080
4.3.1 BN的作用 080
4.3.2 訓練和推理中的BN 081
4.3.3 手寫BN 083
4.3.4 卷積與BN的融合 085
4.4 激活函數 087
4.4.1 非線性 088
4.4.2 ReLU 089
4.4.3 Sigmoid 091
4.5 殘差結構 093
4.5.1 殘差結構的作用 093
4.5.2 手寫殘差結構 094
4.6 全連接 097
4.6.1 全連接的作用 098
4.6.2 手寫全連接 100
4.7 SoftMax與交叉熵損失 101
4.7.1 SoftMax 102
4.7.2 交叉熵損失 105
4.8 本章小結 108
第五章 基于Python從零手寫模型 111～134
5.1 Python環境配置 112
5.2 Python目錄簡介 113
5.3 圖像加載 115
5.4 圖像預處理 116
5.4.1 圖像縮放和裁剪 116
5.4.2 圖像標準化 118
5.4.3 實戰代碼 119
5.5 模型準備 119
5.5.1 模型下載 119
5.5.2 權值保存 121
5.5.3 權值加載 123
5.6 手寫算法 126
5.7 搭建模型 126
5.8 模型預測 129
5.9 性能指標 131
5.10 卷積計算優化 133
第六章 基于C++優化模型 135～164
6.1 C++環境配置 137
6.2 C++目錄簡介 137
6.3 C++代碼使用 138
6.4 計算向量化 139
6.4.1 什么是向量計算 139
6.4.2 AVX2指令集 141
6.4.3 向量寄存器 141
6.4.4 向量數據加載 143
6.4.5 利用AVX2優化卷積 145
6.4.6 性能評估 146
6.5 權值預加載優化 147
6.5.1 權值加載 148
6.5.2 預加載操作 149
6.5.3 性能評估 152
6.6 內存優化 153
6.6.1 內存申請機制 153
6.6.2 字符串優化 154
6.6.3 動態內存優化 155
6.6.4 性能評估 157
6.7 多線程優化 157
6.7.1 多線程簡介 158
6.7.2 卷積的多線程拆分 159
6.7.3 性能評估 161
6.8 性能優化總結 162
后記 165～170
附錄 171～183
1.1 One-hot編碼 172
1.2 快速搭建Ubuntu環境 174
1.2.1 安裝步驟 175
1.2.2 軟件管理 180
1.3 OpenCV介紹 181
1.3.1 什么是OpenCV 181
1.3.2 OpenCV環境搭建 182
參考文獻 184
新書資訊