计算机视觉之PyTorch数字图像处理

全面总结作者多年数字图像处理算法的研究心得和实践经验。

带领读者系统掌握数字图像处理的相关理论知识和实际应用。

深入剖析张量运算方法在数字图像处理中的应用。

详解梯度下降算法的完整流程，并将其应用于模型优化中。

详解数据集的构建以及模型的训练和部署等核心知识。

详解图像分类、图像分割和目标检测三大核心任务。

提供教学视频、程序源代码和教学PPT等配套资源。

"《计算机视觉之PyTorch数字图像处理》以数字图像处理为主题，在详细介绍数字图像处理主流算法的基础上，配合丰富的实战案例，用PyTorch深度学习框架对相关算法进行应用实践。本书一方面从张量的维度对经典数字图像处理算法进行详细的介绍，另一方面从深度学习的维度对图像分类、图像分割和图像检测进行细致的讲解，从而帮助读者较为系统地掌握数字图像处理的相关理论知识和实际应用。 《计算机视觉之PyTorch数字图像处理》分为3篇，共11章。第1篇图像处理基础知识，包括计算机视觉与数字图像概述、搭建开发环境和Python编程基础；第2篇基于经典方法的图像处理，包括图像处理基础知识、图像的基础特征、自动梯度与神经网络、数据准备与图像预处理；第3篇基于深度学习的图像处理，包括图像分类、图像分割、目标检测和模型部署。 《计算机视觉之PyTorch数字图像处理》内容丰富，讲解由浅入深、案例丰富、实用性强，特别适合数字图像处理的入门与进阶人员阅读，也适合数字图像处理的从业人员与研究人员阅读，还可作为高等院校数字图像处理相关课程的教材。"

侯伟，工学博士，国内深度学习框架PaddlePaddle的贡献者。现任教于华北理工大学理学院，教授图像处理和深度学习等相关课程。本科和硕士毕业于兰州大学，博士毕业于中国科学院大学人工智能学院。博士期间师从徐德研究员，从事数字图像处理及其在工业自动视觉检测领域的研究。对数字图像处理和深度学习有较为深刻的认识和理解，具备扎实的理论基础和丰富的编程经验。发表学术论文5篇，授权发明专利2项，授权软件著作权1项，参编教材1部。

内容丰富：不但介绍PyTorch的基础知识和数字图像处理的相关理论，而且从张量的维度详解经典数字图像处理算法，并从深度学习的维度详解图像分类、图像分割和图像检测三大核心任务。

学习门槛低：从计算机视觉和数字图像的基本概念开始讲解，继而介绍开发环境的搭建、Python基础知识和PyTorch基础知识等，不需要读者有太多基础知识即可快速入门。

理论结合实践：不但对数字图像处理的主流算法理论进行系统讲解，而且在此基础上结合丰富的实战案例，用PyTorch深度学习框架进行应用实践。

图文并茂：结合多幅示意图讲解相关知识点，让抽象的知识变得更加直观和易于理解，从而帮助读者高效学习。

实用性强：结合大量真实的图像处理案例进行讲解，读者只需要对书中的案例源代码进行少量的改动，即可将其应用于自己的图像处理工作中。
配套资源丰富：提供高清教学视频、程序源代码和教学PPT等配套资源，便于读者高效、直观地学习，从而取得更好的学习效果。