1024赠书活动第二波！扩散模型、OpenCV轻松入门、计算机视觉 40 例从入门到深度学习等

本书深入浅出地介绍了扩散模型的知识，案例丰富，讲解细致。第1章介绍AIGC与相关技术，第2章从三个视角介绍扩散模型的基本理论、算法，此外介绍了扩散模型的神经网络架构和代码实现。第3章、第4章、第5章分别从高效采样、似然优化、数据结构三个方面系统介绍了扩散模型的特点，以及后续的改进工作。第6章讨论了扩散模型与其他生成模型的关联，包括变分自编码器、生成对抗网络、归一化流、自回归模型和基于能量的模型。第7章介绍了扩散模型的应用，包括计算机视觉、自然语言处理、时间数据建模、多模态学习、鲁棒学习和跨学科应用。第8章讨论了扩散模型的未来，以及与GPT和大模型的关联。

本书适合高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读。

本书按照数字图像处理的知识体系，循序渐进地对OpenCV-Python的基本功能进行全面、系统的介绍。

全书共18章，分为OpenCV-Python的基本操作、图像处理的基本方法、图像处理的高级方法和计算机视觉四部分，详细介绍常用的OpenCV函数，并讲解例程代码。第一部分介绍OpenCV-Python的基本操作，包括第1～4章。第二部分介绍图像处理的基本方法，包括第5～9章。第三部分介绍图像处理的高级方法，包括第10～13章。第四部分介绍计算机视觉，包括第14～18章。

本书实例丰富、通俗易懂，适合数字图像处理方向的师生与相关技术人员使用，既可以作为入门数字图像处理的参考书，也可以作为OpenCV的入门教程。

本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。

本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。

本书适合计算机视觉领域的初学者阅读，包括在校学生、教师、专业技术人员、图像处理爱好者。

本书以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。

本书从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。

书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾驶员疲劳检测、易容术、性别和年龄识别等基于人脸识别的计算机视觉案例。

在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用复杂抽象的公式来介绍。