深入理解計算機視覺:在邊緣端構建高效的目標檢測應用
本書按實戰項目研發的先后順序,介紹了目標檢測神經網絡從研發到運營的全生命周期。首先介紹了目標檢測場景下的圖片標注方法和數據格式,以及與之密切相關的特征融合網絡和預測網絡;介紹了數據“后處理”所涉及的NMS算法及其變種,在此基礎上,讀者只需結合各式各樣的骨干網絡就可以搭建完整的一階段目標檢測神經網絡模型。接下來介紹了神經網絡的動態模式和靜態模式兩種訓練方法,以及訓練過程中的數據監控和異常處理。最后以亞馬遜云和谷歌Coral開發板為例,介紹了云端部署和邊緣端部署神經網絡的兩種部署方法。其中,對于邊緣端部署,本書還詳細介紹了神經網絡量化模型的基礎原理和模型編譯邏輯,這對將神經網絡轉化為可獨立交付的產品至關重要。本書還結合智慧交通、智慧后勤、自動駕駛等項目,介紹了計算機視覺數據增強技術和神經網絡性能評估原理,以及邊緣計算網關、邊緣計算系統、自動駕駛數據的計算原理和PointNet++等多個三維目標檢測神經網絡,幫助讀者快速將計算機視覺技術運用到實際生產中。
·19.6萬字