本書通過具體的案例，循序漸進地講解了計算機視覺和模型調(diào)優(yōu)的相關(guān)內(nèi)容。首先介紹基礎(chǔ)知識，包括人工智能基礎(chǔ)、計算機視覺基礎(chǔ)、圖像基礎(chǔ)和編程基礎(chǔ)相關(guān)知識。然后講解傳統(tǒng)計算機視覺和基于深度學習的計算機視覺，如卷積神經(jīng)網(wǎng)絡(luò)等。接著深入探討算法原理，包括卷積、池化、批歸一化、激活函數(shù)、殘差結(jié)構(gòu)、全連接、SoftMax等，并提供手寫算法示例。最后介紹了模型在Python和C++中的實際應(yīng)用以及性能優(yōu)化技巧，如計算向量化、權(quán)值預加載和多線程等。本書內(nèi)容實用，由淺入深，案例典型，講解通俗易懂，隨書提供全部程序代碼

本書圖文并茂、通俗易懂，詳細講解常用的算法知識，又融入大量的競賽實例和解題技巧，可幫助讀者熟練應(yīng)用各種算法解決實際問題。本書總計8章。第1章講解STL，涉及雙端隊列、優(yōu)先隊列、位圖、集合、映射和STL中的常用函數(shù)；第2章講解實用的數(shù)據(jù)結(jié)構(gòu)，涉及并查集、倍增、稀疏表、區(qū)間最值查詢、最近公共祖先、樹狀數(shù)組和線段樹；第3章講解查找算法，涉及散列表、字符串模式匹配和字典樹；第4章講解平衡樹，涉及樹高與性能、平衡二叉搜索樹、樹堆和伸展樹；第5章講解圖論提高方面的知識，涉及連通圖與強連通圖、橋與割點、雙連通

本書深入淺出地介紹后摩爾時代的并行計算核心技術(shù)，讀者能較輕松地在短時間內(nèi)學懂主要內(nèi)容。全書理論與實踐并重，兼顧數(shù)學模型、結(jié)構(gòu)模型、編程模型，與通常的并行計算圖書相比具有以下特色：①從概念上明確算勢與算力的聯(lián)系與區(qū)別，強調(diào)在后摩爾時代背景下從潛在能力(算勢)到實際能力(算力)的充分轉(zhuǎn)化的重要性；②注重量化分析和理論推導，單列一章對計算性能模型和存儲性能模型進行了介紹；③注重并行應(yīng)用程序的設(shè)計，單列一章介紹并對比分析了共享存儲編程和非共享存儲編程的基本原理；④注重融會貫通，培養(yǎng)整體觀念，分別介紹了共

本書圖文并茂、通俗易懂，詳細講解常用的算法知識，又融入了大量的競賽實例和解題技巧，可幫助讀者熟練應(yīng)用各種算法解決實際問題。本書總計9章。第1章講解C++基礎(chǔ)知識，涉及語法、數(shù)組、字符串、結(jié)構(gòu)體和指針；第2章帶讀者感受算法之美，涉及算法復雜度、函數(shù)和遞歸；第3章講解線性表的應(yīng)用，涉及順序表、鏈表、棧和隊列，以及STL中的常用函數(shù)和容器；第4章講解樹的應(yīng)用，涉及樹、二叉樹、二叉樹遍歷、哈夫曼樹和二叉搜索樹；第5章講解圖論基礎(chǔ)，涉及圖的存儲和圖的遍歷；第6章帶讀者進行算法入門，涉及貪心算法和分治算法；

"本書介紹了機器視覺的基本理論，內(nèi)容涵蓋視覺系統(tǒng)的構(gòu)成、標定和視覺測量、檢測。本書將理論與實踐密切結(jié)合，不僅以簡明方式提供了理論綜述和數(shù)學背景，還基于作者多年項目經(jīng)驗，提供了面向問題的算法設(shè)計過程，同時穿插了數(shù)值優(yōu)化的編程技術(shù)。本書通過具體案例的應(yīng)用實踐，加深讀者對相關(guān)方法的理解，提高靈活運用和解決實際問題的能力。本書適合計算機科學與技術(shù)、人工智能、自動化等相關(guān)領(lǐng)域?qū)�業(yè)技術(shù)人員作為參考書。"

本書主要涉及智能供應(yīng)鏈優(yōu)化領(lǐng)域的算法理論知識與行業(yè)實踐案例，涵蓋了供應(yīng)鏈管理的基礎(chǔ)內(nèi)容，通過實際案例具象化介紹如何運用運籌優(yōu)化算法解決企業(yè)遇到的供應(yīng)鏈管理問題，并詳細闡述了各個案例的問題產(chǎn)生背景、建模過程、算法設(shè)計、求解代碼。其中，案例按照供應(yīng)鏈規(guī)劃、計劃和執(zhí)行三個維度組織，規(guī)劃篇從點到線再到面，逐步講述了供應(yīng)鏈網(wǎng)絡(luò)的設(shè)計過程；計劃篇以商品為對象，按照其從入庫、在庫到出庫的不同存在形式，分別描述了入庫前的品類規(guī)劃、在庫時的庫存管理、出庫后的包裹計劃；執(zhí)行篇則聚焦于供應(yīng)鏈組成要素的日常運營過程，講

全書共8章，分為三個部分。第一部分偏體系結(jié)構(gòu)，主要討論馮諾依曼體系架構(gòu)下的CPU計算過程。第二部分偏操作系統(tǒng)，主要介紹同時運行多道程序的抽象。第三部分偏數(shù)據(jù)結(jié)構(gòu)與計算理論，主要介紹紅黑樹與lambda表達式。本書提供了不少代碼供讀者參考，代碼量比較大的部分有：一個支持部分RISC-V指令的解釋器，一個高速緩存模擬器，一個紅黑樹管理器，以及一個無類型的lambda表達式解釋器。感興趣的讀者請盡情改造這些代碼，讓它們更加健壯，可以暢快地在計算機中運行。

本書以Altera公司全新推出的QuartusPrime18.1為設(shè)計平臺，結(jié)合大量的實例來介紹基于VerilogHDL的FPGA/CPLD數(shù)字系統(tǒng)的設(shè)計方法。本書由淺入深地介紹了采用QuartusPrime18.1進行數(shù)字系統(tǒng)開發(fā)的設(shè)計流程、設(shè)計思想和設(shè)計技巧。書中實例豐富，既有簡單的數(shù)字邏輯電路實例、數(shù)字系統(tǒng)設(shè)計實例，也有復雜的數(shù)字控制系統(tǒng)設(shè)計實例。

《機器視覺檢測與識別技術(shù)及應(yīng)用：基于深度學習》致力于深入剖析機器視覺檢測與識別技術(shù)的內(nèi)在機理、實用策略及其多元化應(yīng)用，旨在為讀者搭建起一個堅實而全面的理論知識與實踐經(jīng)驗的橋梁。內(nèi)容涉獵廣泛，既涵蓋圖像處理、特征提取、目標檢測，又深入探索圖像分割、人臉識別、物體識別等，從基礎(chǔ)概念到高級算法，全面又深入。在深度解讀各個主題的同時，本書注重理論與實踐的緊密結(jié)合，相關(guān)章節(jié)均配以典型的案例分析，展示這些技術(shù)在現(xiàn)實場景中的具體應(yīng)用。通過閱讀本書，讀者將深入理解機器視覺技術(shù)的運作原理，并學會如何將這些技術(shù)靈活

本書基于PyTorch深度學習框架，結(jié)合計算機視覺中的主流任務(wù)，介紹了深度學習相關(guān)算法的計算機視覺上的應(yīng)用。本書主要內(nèi)容分為兩部分。第一部分為PyTorch框架使用的相關(guān)知識，以及計算機視覺和深度學習的入門知識。第二部分重點介紹深度學習在計算機視覺上的應(yīng)用，包括：經(jīng)典的深度卷積網(wǎng)絡(luò)、深度注意力網(wǎng)絡(luò)，以及基于自注意力的Transformer系列網(wǎng)絡(luò)在圖像分類中的應(yīng)用；R-CNN系列、YOLO系列、SSD系列目標檢測網(wǎng)絡(luò)的算法思想及在目標檢測中的應(yīng)用；FCN、U-Net等全卷積網(wǎng)絡(luò)在圖像語義分割領(lǐng)域