OpenCV深度学习应用与性能优化实践

封面

版权信息

序一

序二

序三

序四

前言

第1章 OpenCV和深度学习

1.1 OpenCV处理流程

1.2 机器学习的数学视角

1.3 OpenCV深度学习模块

1.4 本章小结

第2章 OpenCV深度学习模块解析

2.1 深度学习模块分层架构总览

2.2 语言绑定和测试层

2.3 API层

2.4 DNN引擎层

2.5 引擎加速层

2.6 本章小结

第3章 并行计算与GPU架构

3.1 并行计算浅谈

3.2 Intel GPU架构及其在并行计算中的应用

3.3 本章小结

第4章 基于Vulkan的加速实现

4.1 初识Vulkan

4.2 使用Vulkan加速

4.3 Vulkan后端加速过程解析

4.4 本章小结

第5章 基于OpenCL的加速实现

5.1 OpenCL简介

5.2 如何使用OpenCL加速

5.3 OpenCL加速详解

5.4 本章小结

第6章 CPU及第三方库加速的实现

6.1 原生CPU加速实现

6.2 Halide后端的实现

6.3 Intel推理引擎后端的实现

6.4 本章小结

第7章 可视化工具与性能优化

7.1 Netscope：基于Web的Caffe网络可视化工具

7.2 TensorBoard：助力TensorFlow程序的理解和调试

7.3 VTune：Intel平台的性能调优利器

7.4 程序优化流程总结和建议

7.5 本章小结

第8章 支付级人脸识别项目开发实战

8.1 活体检测的概念与方法

8.2 支付级人脸识别项目流程

8.3 基于OpenCV的支付级人脸识别项目具体实现

8.4 本章小结

第9章 深度学习模块不同场景下的应用实践

9.1 图像分类

9.2 目标检测

9.3 语义分割

9.4 视觉风格变换

9.5 本章小结

附录A OpenCV的编译安装及patch开发流程