OpenCV 3是一種先進的計算機視覺庫，可以用於各種圖像和視頻處理操作，通過OpenCV 3 能很容易地實現一些有前景且功能先進的應用（比如：人臉識別或目標跟蹤等）。從圖像處理的基本操作出發，計算機視覺是一個快速發展的學科，在現實生活中，它的應用增長得非常快，需要不斷地學習全新的OpenCV 3.0。
現在神經網絡很火，人們是不是忘記了學習傳統計算機視覺算法的重要性了？
講解計算機視覺編程的《OpenCV計算機視覺編程攻略（第3版）》結合C++和OpenCV全面講解計算機視覺編程，不僅涵蓋計算機視覺和圖像處理的基礎知識，而且通過完整示例講解OpenCV的重要類和函數。大量代碼實現，適合初學者跟着練習，也穿插着不少理論講解，是本還不錯的書。
《OpenCV計算機視覺編程攻略第3版》中文PDF，328頁，帶目錄，文字可復制；英文PDF，464頁，帶目錄，文字可以復制；配套源代碼。
下載: https://pan.baidu.com/s/1Qxc353-91aP0JdZfeEO3Og
提取碼: w7js
參考OpenCV 3計算機視覺，用於對目標跟蹤進行深入探討，目標跟蹤是對攝像機中的圖像或視頻中移動的物體進行定位的過程。
理解與計算機視覺相關的算法、模型以及OpenCV 3 API背后的基本概念，有助於開發現實世界中的各種應用程序（比如：安全和監視領域的工具）。
《OpenCV 3計算機視覺Python語言實現第2版》中文PDF，202頁，帶目錄書簽；英文PDF，263頁，帶目錄書簽。配套源代碼。
下載: https://pan.baidu.com/s/1mqgSPweG8gE5NJan9W4YeA
提取碼: 58ag
《OpenCV 3計算機視覺Python語言實現第2版》的主要內容第1章介紹如何在不同平台下安裝基於Python的OpenCV，並給出一些常見問題的解決方法。第2章介紹了OpenCV的I/O功能，並討論與項目相關的概念，以及如何針對該項目進行面向對象設計。第3章介紹一些圖像變換方法，例如在圖像中檢測膚色、銳化圖像、標記主體輪廓，以及使用線段檢測器檢測人行橫道等。第4章介紹如何利用深度攝像頭的數據來識別前景和背景區域，這樣就可以限制針對前景或背景的效果。第5章介紹一些OpenCV的人臉檢測功能和相關的數據文件，這些文件定義了跟蹤目標的特定類型。第6章介紹如何用OpenCV來檢測圖像特征，並利用這些特征來匹配和搜索圖像。第7章介紹目標檢測和目標識別的概念，這是計算機視覺中最常見的問題之一。第8章對目標跟蹤進行深入探討，目標跟蹤是對攝像機中的圖像或視頻中移動的物體進行定位的過程。第9章介紹基於OpenCV的人工神經網絡，並介紹其在現實生活中的應用。
《深度學習與計算機視覺算法原理、框架應用》共13章，分為2篇。第1篇基礎知識，介紹了人工智能發展里程、計算機視覺概要、深度學習和計算機視覺中的基礎數學知識、神經網絡及其相關的機器學習基礎、卷積神經網絡及其一些常見結構，最后對最前沿的趨勢進行了簡單探討。第2篇實例精講，介紹了Python基礎、OpneCV基礎、最簡單的分類神經網絡、圖像識別、利用Caffe做回歸、遷移學習和模型微調、目標檢測、度量學習和圖像風格遷移等常見的計算機視覺應用場景。從第5章開始包含了很多有趣和實用的代碼示例。從第7章開始的所有實例都基於當前最流行的深度學習框架中的Caffe和MXNet，其中包含了作者原創的大量代碼和搜集的數據，這些代碼和作者訓練好的部分模型已分享到本書github頁面上供讀者自行下載。
《深度學習與計算機視覺算法原理、框架應用》PDF，帶書簽，347頁。
《大數據架構詳解從數據獲取到深度學習》PDF，帶書簽，373頁。配套源代碼。
下載: https://pan.baidu.com/s/1xQ31PrcizBL-RdqSzK-F0A
提取碼: m2w8
《大數據架構詳解：從數據獲取到深度學習》從架構、業務、技術三個維度深入淺出地介紹了大數據處理領域端到端的知識。主要內容包括三部分：第一部分從數據的產生、采集、計算、存儲、消費端到端的角度介紹大數據技術的起源、發展、關鍵技術點和未來趨勢，結合生動的業界最新產品，以及學術界最新的研究方向和成果，讓深奧的技術淺顯易懂；第二部分從業務和技術角度介紹實際案例，讓讀者理解大數據的用途及技術的本質；第三部分介紹大數據技術不是孤立的，講解如何與前沿的雲技術、深度學習、機器學習等相結合。
《視覺SLAM十四講從理論到實踐》PDF，399頁，帶書簽目錄，彩色配圖，文字可以復制。配套源代碼。
《計算機視覺中的多視圖幾何》中文PDF，484頁；《計算機視覺中的多視圖幾何(第2版)》英文PDF，673頁；配套源代碼+插圖。
下載: https://pan.baidu.com/s/16FXG2MoCR9t1aaqSGHRsCg
提取碼: ujrd
《視覺SLAM十四講：從理論到實踐》系統介紹了視覺SLAM（同時定位與地圖構建）所需的基本知識與核心算法，既包括數學理論基礎，如三維空間的剛體運動、非線性優化，又包括計算機視覺的算法實現，例如多視圖幾何、回環檢測等。此外，還提供了大量的實例代碼供學習研究，從而更深入地掌握這些內容。
《計算機視覺中的多視圖幾何》全面介紹了近10年來發展的基於幾何的計算機視覺計算方法及其數學基礎。除了上述內容外，其中多攝像機視圖幾何及其計算方法，值得關注。
GAN(Generative Adversarial Network) ，由 Ian Goodfellow 首先提出。Generation就是模型通過學習一些數據，然后生成類似的數據。讓機器看一些動物圖片，然后自己來產生動物的圖片，這就是生成。以前就有很多可以用來生成的技術了，比如 auto-encoder（自編碼器）。GAN 有兩個網絡，一個是 generator，一個是 discriminator，從二人零和博弈中受啟發，通過兩個網絡互相對抗來達到最好的生成效果。
推薦學習《GAN實戰生成對抗網絡》，覆蓋了深度學習的基礎、對抗網絡背后的原理以及構建方式等內容。同時還介紹了多個真實世界中使用對抗網絡構建智能應用的案例並提供了具體的代碼以及部署方法，旨在幫助能夠在真正的生產環境中使用生成對抗網絡。
《GAN實戰生成對抗網絡》中文PDF，153頁，帶目錄，文字可復制。英文PDF，166頁，帶目錄，文字可復制。
《生成式對抗網絡GANser》PPT，59頁，文字可復制，劉少鵬。
下載: https://pan.baidu.com/s/1NZV_7cw2kA0Scpx6C6LN3Q
提取碼: chi1
首先，有一個一代的 generator，它能生成一些很差的圖片，然后有一個一代的 discriminator，它能准確的把生成的圖片，和真實的圖片分類，簡而言之，這個 discriminator 就是一個二分類器，對生成的圖片輸出 0，對真實的圖片輸出 1。接着，開始訓練出二代的 generator，它能生成稍好一點的圖片，能夠讓一代的 discriminator 認為這些生成的圖片是真實的圖片。然后會訓練出一個二代的 discriminator，它能准確的識別出真實的圖片，和二代 generator 生成的圖片。以此類推，會有三代，四代。。。n 代的 generator 和 discriminator，最后 discriminator 無法分辨生成的圖片和真實圖片，這個網絡就擬合了。
生成對抗網絡毫無疑問是最熱門的人工智能技術之一，被評為“全球十大突破性技術”。從2014年至今，與GAN有關的論文數量急速上升，網絡上有人整理了近年來的GAN模型，已經有超過350個不同形態的變種，並且數量仍然在持續增加中。除了科學研究本身的魅力 以外，諸如文本到圖像的生成、圖像到圖像的生成等應用研究也讓業界非常興奮，為人工智能領域帶來了諸多可能性。
《生成對抗網絡入門指南》PDF，240頁，帶目錄，文字可復制；配套源代碼和圖像素材。史丹青 著。
下載 https://pan.baidu.com/s/1LU0Xz3lnahZQ0muMLknmMA
提取碼: uq58
推薦學習《生成對抗網絡入門指南》，結合基礎理論與工程實踐，深入淺出地講解了生成對抗網絡的各類模型以及技術發展。面向機 器學習從業人員、在校相關專業學生以及具備一定基礎的人工智能領域愛好者。通過學習，能夠了解生成對抗網絡的技術原理，並通 過書中的代碼實例深入技術細節。共分10個章節，其中前半部分分別介紹了目前研究領域已經較為成熟的生成對抗網絡模型，比如 DCGAN、WGAN等等，以及大量不同結構的生成對抗網絡變種。后半部分介紹了生成對抗網絡在文本到圖像的生成、圖像到圖像的生成 以及其它應用中的研究與發展。希望本書能夠幫助跟上人工智能技術的潮流，成為AI時代的先行者。
深入淺出地講解了GAN的技術發展以及各種衍生模型，包含GAN的理論知識與代碼實踐。通過學習，能夠理解GAN的技術原理與實現細 節。人工智能入門知識與開發工具，GAN的理論與實踐，DCGAN、WGAN、cGAN等主流GAN衍生模型，文本到圖像的生成與圖像到圖像的生 成，多媒體與藝術設計領域中的GAN應用。
轉載於:https://www.cnblogs.com/jxuao168/p/11374778.html