CV学习资料《卷积神经网络与视觉计算》+《深度学习实践计算机视觉》+《视觉SLAM十四讲从理论到实践》电子资料代码分析

视觉和图形学真是一家，基础都一样！

 

如果学习图像识别，计算机视觉，推荐电子书《视觉SLAM十四讲：从理论到实践》，系统介绍了视觉SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。

一个周读完了，代码很清晰！Particle Filtering，KF,EKF, Batch Optimization, Lie Group，ICP，LK光流。。。 尤其惊喜的是文末作者看好的IMU-SLAM和Semantic SLAM，跟自己之前的想法不谋而合，这才是AR的未来。

《深度学习实践计算机视觉》电子书主要介绍了深度学习在计算机视觉方面的应用及工程实践，以Python 3为开发语言，并结合当前主流的深度学习框架进行实例展示。主要内容包括：OpenCV入门、深度学习框架介绍、图像分类、目标检测与识别、图像分割、图像搜索以及图像生成等，涉及到的深度学习框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。能够了解深度学习在计算机视觉各个方向的应用以及最新进展。

《卷积神经网络与视觉计算》电子资料自成一体，如果你既想了解CNN的原理，又想获得将CNN应用于计算机视觉的一手经验，那么将非常适合。对CNN进行了全面介绍，首先是神经网络的基本概念：训练、正则化和优化。然后讨论了各种各样的损失函数、网络层和流行的CNN架构，回顾了评价CNN的不同技术，并介绍了一些常用的CNN工具和库。此外，还分析了CNN在计算机视觉中的应用案例，包括图像分类、对象检测、语义分割、场景理解和图像生成。

 

整理的《卷积神经网络与视觉计算》电子书资料，《深度学习实践计算机视觉》电子书，《视觉SLAM十四讲从理论到实践》电子书代码，计算机视觉方面的电子资料供大家参考:

https://ai-nlp-book.lofter.com/post/312661e1_1c77182a3

 

学习图像识别，计算机视觉，代码训练，每天都在进步！