OpenGL 3d.zip
基于opengl,用VC++ 开发的3d显示,应用于3d视觉
estimateRigidTransform():计算多个二维点对或者图像之间的最优仿射变换矩阵 (2行x3列),H可以是部分自由度,比如各向一致的切变。
Yolov3+Opencv3.42 visual stduio 2015代码 dnn神经网络分类,查找图像里的对象,框选对象与显示名称。 项目中已经包含opencv和yolo环境,可以直接编译运行。 共3卷,第三卷
Yolov3+Opencv3.42 visual stduio 2015代码 dnn神经网络分类,查找图像里的对象,框选对象与显示名称。 项目中已经包含opencv和yolo环境,可以直接编译运行。 共3卷,第二卷
Yolov3+Opencv3.42 visual stduio 2015代码 dnn神经网络分类,查找图像里的对象,框选对象与显示名称。 项目中已经包含opencv和yolo环境,可以直接编译运行。 共3卷
《Python深度学习》由Keras之父、现任Google人工智能研究员的Franc.ois Chollet执笔,详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后,读者将了解深度学习、机器学习和神经网络的关键概念,具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力,学会解决现实世界中的深度学习问题。除此之外,本书还深刻剖析了当前的"人工智能热",从理性的视角展望了深度学习在未来的可能性。 ● 30多个代码示例,带你全面掌握如何用深度学习解决实际问题 ● Keras框架速成的明智之选 ● 夯实深度学习基础,在实践中培养对深度神经网络的良好直觉 ● 无须机器学习经验和高等数学背景 "本书在当前的'人工智能热'和深度学习的本来面目之间架起了一座桥梁。"--Peter Rabinovitch,云平台Akamai高级性能工程师 "本书是助你进阶为Keras及深度学习高手的秘笈。"--Claudio Rodriguez,IT服务公司Candid Partners高级DevOps工程师 "本书是我为华盛顿大学设计的一门深度学习课程所选的教材,非常实用。能够直接得到Keras之父的建议真是一桩幸事。"--美亚用户Eric Nichols
《深度学习与计算机视觉:算法原理、框架应用与代码实现》适合对人工智能、机器学习、深度学习和计算机视觉感兴趣的读者阅读。阅读《深度学习与计算机视觉:算法原理、框架应用与代码实现》要求读者具备一定的数学基础和基本的编程能力,并需要读者了解Linux的基本使用。