基于国产自主可控龙芯处理器，以项目式教学的形式，讲述深度学习框架在计算机视觉领域的应用

本书基于国产自主可控龙芯处理器通过具体项目的实施用直观的方式讲述深度学习与计算机视觉。通过阅读本书，读者能够掌握深度学习在计算机视觉领域的应用。
本书主要内容：
OpenCV基础功能实战；
深度学习框架的部署；
计算机视觉技术基础知识；
图像分类网络的部署；
目标检测网络的部署；
图像分割网络的部署；
龙芯智能计算平台模型的训练；

本书基于国产自主可控龙芯处理器，系统地介绍计算机视觉领域的基本理论与实践，并结合当前主流的深度学习框架和龙芯平台以项目式教学的形式讲述任务的实施。本书主要包括OpenCV基础功能实战、深度学习框架的部署、计算机视觉技术基础知识、图像分类网络的部署、目标检测网络的部署、图像分割网络的部署、龙芯智能计算平台模型的训练和龙芯智能计算平台的推理部署等内容。通过阅读本书，读者能够了解和掌握深度学习在计算机视觉中的应用，并基于国产自主可控龙芯处理器进行工程实践。
本书适合深度学习与计算机视觉领域的从业者、深度学习与计算机视觉的爱好者阅读，也可作为高等院校计算机相关专业的教材。

项目1 OpenCV基础功能实战\t1
1.1  知识引入\t1
1.1.1  OpenCV简介\t1
1.1.2  OpenCV的主要模块\t1
1.1.3  OpenCV的版本\t2
1.1.4  OpenCV-Python\t3
1.1.5  龙芯平台和OpenCV\t3
1.2  任务1：图像读取、显示和保存\t3
1.2.1  任务描述\t3
1.2.2  技术准备\t3
1.2.3  任务实施\t4
1.3  任务2：视频的获取、显示和保存\t4
1.3.1  任务描述\t4
1.3.2  技术准备\t5
1.3.3  任务实施\t6
1.4  任务3：几何图形绘制\t7
1.4.1  任务描述\t7
1.4.2  技术准备\t7
1.4.3  任务实施\t9
1.5  任务4：鼠标事件的交互与响应\t10
1.5.1  任务描述\t10
1.5.2  技术准备\t10
1.5.3  任务实施\t11
1.6  任务5：图像几何变换\t12
1.6.1  任务描述\t12
1.6.2  技术准备\t12
1.6.3  任务实施\t15
1.7  任务6：图像滤波技术\t19
1.7.1  任务描述\t19
1.7.2  技术准备\t19
1.7.3  任务实施\t21
1.8  任务7：图像边缘检测\t24
1.8.1  任务描述\t24
1.8.2  技术准备\t24
1.8.3  任务实施\t26
1.9  任务8：人脸检测与识别\t28
1.9.1  任务描述\t28
1.9.2  技术准备\t28
1.9.3  任务实施\t30
1.10  项目总结\t32
项目2  深度学习框架的部署\t33
2.1  知识引入\t33
2.1.1  深度学习的定义\t33
2.1.2  神经网络的基本概念\t33
2.1.3  深度学习的发展历程\t36
2.1.4  深度学习的应用场景\t37
2.1.5  如何学习深度学习\t37
2.1.6  使用深度学习框架的优势\t38
2.2  任务1：基于龙芯平台编译与部署TensorFlow\t38
2.2.1  任务描述\t38
2.2.2  技术准备\t39
2.2.3  任务实施\t45
2.3  任务2：基于龙芯平台编译与部署PyTorch\t51
2.3.1  任务描述\t51
2.3.2  技术准备\t51
2.3.3  任务实施\t56
2.4  任务3：基于龙芯平台编译与部署ONNX Runtime\t59
2.4.1  任务描述\t59
2.4.2  技术准备\t59
2.4.3  任务实施\t60
2.5  任务4：基于龙芯平台编译与部署PaddlePaddle\t64
2.5.1  任务描述\t64
2.5.2  技术准备\t64
2.5.3  任务实施\t67
2.6  任务5：基于龙芯平台编译与部署NCNN\t71
2.6.1  任务描述\t71
2.6.2  技术准备\t71
2.6.3  任务实施\t72
2.7  项目总结\t82
项目3  计算机视觉技术基础知识\t83
3.1  知识引入\t83
3.1.1  计算机视觉概述\t83
3.1.2  计算机视觉的应用领域\t83
3.2  任务：常见计算机视觉任务\t83
3.2.1  任务描述\t83
3.2.2  技术准备\t84
3.2.3  任务实施\t84
3.3  项目总结\t94
项目4  图像分类网络的部署\t95
4.1  知识引入\t95
4.1.1  CNN简介\t95
4.1.2  CNN基础模块\t96
4.2  任务1：基于龙芯平台部署VGG 16\t102
4.2.1  任务描述\t102
4.2.2  技术准备\t102
4.2.3  任务实施\t104
4.3  任务2：基于龙芯平台部署ResNet 18\t106
4.3.1  任务描述\t106
4.3.2  技术准备\t106
4.3.3  任务实施\t109
4.4  任务3：基于龙芯平台部署Inception v3\t112
4.4.1  任务描述\t112
4.4.2  技术准备\t112
4.4.3  任务实施\t116
4.5  任务4：基于龙芯平台部署Xception\t122
4.5.1  任务描述\t122
4.5.2  技术准备\t122
4.5.3  任务实施\t124
4.6  任务5：基于龙芯平台部署MobileNet\t129
4.6.1  任务描述\t129
4.6.2  技术准备\t129
4.6.3  任务实施\t131
4.7  项目总结\t133
项目5  目标检测网络的部署\t134
5.1  知识引入\t134
5.1.1  目标检测基本任务\t134
5.1.2  目标检测基本概念\t134
5.2  任务1：基于龙芯平台部署两阶段算法Faster R-CNN\t137
5.2.1  任务描述\t137
5.2.2  技术准备\t137
5.2.3  任务实施\t138
5.3  任务2：基于龙芯平台部署两阶段算法Keypoint R-CNN\t139
5.3.1  任务描述\t139
5.3.2  技术准备\t139
5.3.3  任务实施\t141
5.4  任务3：基于龙芯平台部署单阶段算法YOLO v3\t141
5.4.1  任务描述\t141
5.4.2  技术准备\t141
5.4.3  任务实施\t142
5.5  任务4：基于龙芯平台部署单阶段算法SSD\t143
5.5.1  任务描述\t143
5.5.2  技术准备\t143
5.5.3  任务实施\t144
5.6  项目总结\t148
项目6  图像分割网络的部署\t149
6.1  知识引入\t149
6.2  任务1：基于龙芯平台部署语义分割网络DeepLab v3+\t150
6.2.1  任务描述\t150
6.2.2  技术准备\t150
6.2.3  任务实施\t154
6.3  任务2：基于龙芯平台部署实例分割网络Mask R-CNN\t155
6.3.1  任务描述\t155
6.3.2  技术准备\t155
6.3.3  任务实施\t157
6.4  任务3：基于龙芯平台部署全景分割网络Panoptic FPN\t157
6.4.1  任务描述\t157
6.4.2  技术准备\t157
6.4.3  任务实施\t159
6.5  项目总结\t159
项目7  龙芯智能计算平台模型的训练\t160
7.1  知识引入\t160
7.1.1  龙芯智能计算平台\t160
7.1.2  龙芯智能计算平台的优势\t163
7.1.3  龙芯智能计算平台的应用\t164
7.2  任务：利用龙芯AI训练平台训练模型\t164
7.2.1  任务描述\t164
7.2.2  技术准备\t164
7.2.3  任务实施\t165
7.3  项目总结\t169
项目8  龙芯智能计算平台的推理部署\t170
8.1  知识引入\t170
8.2  任务1：基于AI加速卡的推理部署\t170
8.2.1  任务描述\t170
8.2.2  技术准备\t170
8.2.3  任务实施\t171
8.3  任务2：基于NCNN框架的推理部署\t177
8.3.1  任务描述\t177
8.3.2  技术准备\t178
8.3.3  任务实施\t178
8.4  项目总结\t180