Facebook研究科学家RichardSzeliski的《计算机视觉：算法与应用》第二版完成并提供PDF下载。新书调整了章节结构，增加了机器学习、深度学习等内容，并涵盖了最新的技术、文献和应用。旨在为初学者提供更全面的计算机视觉学习基础，同时适合高年级本科生和研究生阅读。每章末尾包含实践项目建议和未解决问题，鼓励读者探索与实践。
（给机器学习算法与Python学习加星标，提升AI技能）
本文整理自机器之心
提到计算机视觉领域的入门书，不少人会推荐 Facebook 研究科学家 Richard Szeliski 的《计算机视觉：算法与应用》。这本书的英文版于 2010 年出版，2011 年被翻译成中文在国内面世，成为很多人学习计算机视觉的入门教材。
这本书探索了用于分析和解释图像的各种常用技术，描述了具有一定挑战性的视觉应用方面的成功实例，兼顾专业的医学成像和图像编辑与拼接之类有趣的大众应用。在这本书中，作者从科学的角度介绍了基本的视觉问题，将成像过程的物理模型公式化，然后在此基础上生成对场景的逼真描述，他还运用统计模型来分析和运用严格的工程方法来解决这些问题。
作为一本被广泛采用的教材，《计算机视觉：算法与应用》非常受初学者欢迎，有人称赞其「为计算机视觉技术的初学者（本科生）提供了广泛的标准计算机视觉问题的坚实基础」。
为了弥补这一缺憾，最近，作者 Richard Szeliski 在自己的个人主页上宣布，《计算机视觉：算法与应用》第二版已经基本完成，并发布了新书的 PDF 版本，向读者征集意见。
新书下载方式
后台回复关键词
20201007
即可下载
第二版的《计算机视觉：算法与应用》也是 14 个章节，分别为：
引言；
成像；
图像处理；
模型拟合与优化；
深度学习；
识别；
特征检测与匹配；
图像对齐与拼接；
运动估计；
计算摄影学；
由运动到结构与 SLAM；
深度估计；
3D 重建；
基于图像的渲染；
可以看出，与第一版相比，第二版发生了很大的变化，其中最显著的变化包括：
机器学习、深度学习和深度神经网络出现在第五章，因为它们在视觉算法中扮演的角色与前两章介绍的经典图像处理、图 / 概率模型、能量最小化方法一样重要。
「识别」从第 14 章提前到了第 6 章，因为端到端深度学习系统不再需要开发特征检测、匹配、分割等构建模块，而大多数选修视觉课程的同学可能主要是对图像识别感兴趣，所以把这章提前有利于他们构建自己的项目。
除此之外，该书还增加了一些当前最新的技术、文献和应用，如手机计算摄影学和自主导航技术。
在之前的教学过程中，作者发现让学生实现一些小项目非常有用，有时这些项目甚至可以组成会议论文。因此，该书每一章末尾的练习都包含一些建议，针对一些期中小项目进行指导。此外，书中还包含一些尚未解决的开放性问题。
该书适用于计算机科学和电气工程高年级本科生和研究生。读者上手之前最好先学习一门图像处理或计算机图形学课程，这样就能少花点时间学习数学基础知识，多一点时间去学计算机视觉技术。为了让读者了解该领域的最新进展，作者尽量引用最新的研究。
新书下载方式
后台回复关键词
20201007
即可下载
推荐阅读
吴恩达Deeplearning.ai上新：生成对抗网络（GAN）专项课程
【进阶】深度学习训练过程可视化
没有什么内存问题，是一行Python代码解决不了的
【Pandas指南】初学者必备手册
扫一扫
1525
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
