9787111721475 9787111664796

ISBN编号：9787111721475

书名：机器视觉入门与实战:人脸识别与人体识别
作者：夏东,周波

定：89.00元
出版社名称：机械工业出版社

出版时间：2023-02




这是本综合介绍知识图谱构建与行业实践的，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱家的推荐。

本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题给予较为详细的解释。

本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。

全书分为基础篇、构建篇、实践篇，共16章内容。

基础篇（第1章），介绍知识图谱的定义、分类、发展段，以及构建方式、逻辑/技术架构、现状与应用场景等。

构建篇（第2～8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核步骤，并结合实例讲解应用方法。

实践篇（第9～16章），详细讲解知识图谱的综合应用，涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。








前言

基础篇

第1章　理解知识图谱　/　2

1.1　知识图谱概述　/　2

1.1.1　知识定义及分类　/　3

1.1.2　知识图谱定义　/　4

1.1.3　知识图谱分类　/　5

1.1.4　知识图谱发展段　/　8

1.2　知识图谱架构　/　8

1.2.1　构建方式　/　8

1.2.2　逻辑架构　/　9

1.2.3　技术架构　/　9

1.3　知识图谱现状　/　13

1.3.1　学术界研究现状　/　13

1.3.2　工业界应用现状　/　13

1.4　知识图谱应用场景　/　14

1.4.1　智能搜索　/　14

1.4.2　推荐系统　/　15

1.4.3　知识问答　/　15

1.4.4　推理决策　/　16

1.5　本章小结　/　16

构建篇

第2章　知识抽取　/　18

2.1　知识抽取概述　/　18

2.1.1　知识抽取的定义　/　19

2.1.2　知识抽取的任务　/　20

2.2　知识抽取的方法　/　26

2.2.1　面向结构化数据　/　26

2.2.2　面向半结构化数据　/　28

2.2.3　面向非结构化数据　/　30

2.3　知识抽取实例　/　37

2.3.1　Deepdive的安装

和配置　/　38

2.3.2　实验步骤　/　39

2.3.3　模型构建　/　47

2.4　本章小结　/　49

第3章　知识表示　/　50

3.1　知识表示概述　/　50

3.1.1　知识表示的定义　/　50

3.1.2　知识表示的任务　/　51

3.2　知识表示的方法　/　51

3.2.1　基于符号的知识表示　/　51

3.2.2　基于向量的知识表示　/　60

3.3　知识表示实例　/　64

3.3.1　环境配置　/　64

3.3.2　生成映射文件　/　65

3.3.3　将MySQL数据转为RDF

三元组　/　67

3.4　本章小结　/　68

第4章　知识融合　/　69

4.1　知识融合概述　/　69

4.1.1　知识融合的定义　/　70

4.1.2　知识融合的任务　/　70

4.2　知识融合的方法　/　73

4.2.1　本体对齐方法　/　73

4.2.2　实体对齐方法　/　77

4.3　知识融合实例　/　80

4.3.1　环境配置　/　81

4.3.2　预处理与匹配　/　81

4.3.3　结果评估　/　84

4.4　本章小结　/　85

第5章　知识存储　/　86

5.1　知识存储概述　/　86

5.1.1　知识存储的定义　/　86

5.1.2　知识存储的任务　/　87

5.2　知识存储的方法　/　89

5.2.1　基于关系型数据库的

知识存储　/　89

5.2.2　基于NoSQL的

知识存储　/　92

5.2.3　基于分布式的

知识存储　/　96

5.3　知识存储实例　/　98

5.3.1　使用Apache Jena

存储数据　/　98

5.3.2　使用Neo4j数据库

存储数据　/　98

5.4　本章小结　/　103

第6章　知识建模　/　104

6.1　知识建模概述　/　104

6.1.1　知识建模的定义　/　104

6.1.2　知识建模的任务　/　107

6.2　知识建模的方法　/　109

6.2.1　手工建模方法　/　109

6.2.2　半自动建模方法　/　113

6.2.3　本体自动建模方法　/　114

6.3　知识建模实例　/　116

6.3.1　建项目实例　/　117

6.3.2　建本体关系和属性　/　118

6.3.3　知识图谱可视化　/　120

6.4　本章小结　/　121

第7章　知识推理　/　122

7.1　知识推理概述　/　122

7.1.1　知识推理的定义　/　122

7.1.2　知识推理的任务　/　123

7.2　知识推理的方法　/　124

7.2.1　基于逻辑规则的推理　/　124

7.2.2　基于知识表示学的推理　/　131

7.2.3　基于经网络的推理　/　134

7.2.4　混合推理　/　136

7.3　知识推理实例　/　137

7.4　本章小结　/　139

第8章　知识评估与运维　/　140

8.1　知识评估与运维概述　/　140

8.1.1　知识评估概述　/　141

8.1.2　知识运维概述　/　142

8.2　知识评估与运维的任务　/　143

8.2.1　知识评估任务　/　143

8.2.2　知识运维任务　/　147

8.3　知识评估与运维流程　/　149

8.3.1　知识评估流程　/　149

8.3.2　知识运维流程　/　150

8.4　本章小结　/　151

实践篇

第9章　知识问答评测　/　154

9.1　知识问答系统概述　/　154

9.1.1　知识问答系统定义　/　155

9.1.2　知识问答问题分类　/　155

9.1.3　知识问答评测技术方案　/　157

9.2　自然语言知识问答评测　/　159

9.2.1　任务背景　/　159

9.2.2　数据分析　/　159

9.2.3　技术方案　/　160

9.2.4　任务结果　/　163

9.3　生活服务知识问答评测　/　164

9.3.1　任务背景　/　164

9.3.2　数据分析　/　164

9.3.3　技术方案　/　165

9.3.4　任务结果　/　168

9.4　开放知识问答评测　/　168

9.4.1　任务背景　/　168

9.4.2　数据分析　/　168

9.4.3　技术方案　/　169

9.4.4　任务结果　/　172

9.5　本章小结　/　172

第10章　知识图谱平台　/　173

10.1　知识图谱平台建设背景　/　173

10.2　知识图谱平台基本功能　/　175

10.3　AiMind知识图谱平台　/　175

10.3.1　数据管理　/　176

10.3.2　知识建模　/　180

10.3.3　知识抽取　/　185

10.3.4　知识融合　/　189

10.3.5　知识管理　/　191

10.3.6　知识应用　/　194

10.4　本章小结　/　196

第11章　智能搜索实践　/　197

11.1　智能搜索背景　/　197

11.2　智能搜索业务设计　/　198

11.2.1　场景设计　/　198

11.2.2　知识图谱设计　/　199

11.2.3　模块设计　/　200

11.3　数据获取与预处理　/　201

11.3.1　环境搭建　/　202

11.3.2　数据获取　/　202

11.3.3　知识抽取　/　203

11.3.4　知识存储　/　206

11.4　基于Jena的知识推理　/　207

11.4.1　OWL推理　/　208

11.4.2　Jena规则推理　/　209

11.5　基于 Elasticsearch的

知识搜索　/　210

11.6　本章小结　/　216

第12章　图书推荐系统实践　/　217

12.1　推荐系统背景　/　217

12.2　图书推荐业务设计　/　219

12.2.1　场景设计　/　219

12.2.2　知识图谱设计　/　220

12.2.3　模块设计　/　221

12.3　数据预处理　/　222

12.3.1　环境搭建　/　223

12.3.2　知识抽取　/　224

12.3.3　数据生成　/　225

12.3.4　知识表示　/　227

12.3.5　知识存储　/　229

12.4　模型训练与评估　/　231

12.4.1　模型训练　/　231

12.4.2　模型评估　/　234

12.5　推荐结果呈现　/　235

12.6　本章小结　/　235

第13章　开放领域知识问答实践　/　236

13.1　知识问答背景　/　236

13.2　知识问答业务设计　/　237

13.2.1　场景设计　/　237

13.2.2　知识图谱设计　/　239

13.2.3　模块设计　/　240

13.3　数据预处理　/　241

13.3.1　环境搭建　/　241

13.3.2　数据获取　/　241

13.3.3　知识表示与存储　/　242

13.4　问句识别及问答实现　/　246

13.4.1　实体识别与　/　246

13.4.2　向量建模　/　248

13.4.3　选取自动问答的答案　/　251

13.5　问答结果呈现　/　252

13.6　本章小结　/　254

第14章　交通领域知识问答实践　/　255

14.1　交通领域背景　/　255

14.2　问答业务设计　/　256

14.2.1　场景设计　/　256

14.2.2　知识图谱设计　/　257

14.2.3　模块设计　/　258

14.3　数据预处理　/　259

14.3.1　环境搭建　/　259

14.3.2　数据生成　/　259

14.3.3　知识抽取　/　261

14.3.4　知识表示　/　262

14.3.5　知识存储　/　262

14.4　知识问答系统实现　/　264

14.5　问答结果呈现　/　266

14.6　本章小结　/　267

第15章　汽车领域知识问答实践　/　268

15.1　汽车领域背景　/　268

15.2　问答业务设计　/　269

15.2.1　场景设计　/　269

15.2.2　知识图谱设计　/　270

15.2.3　模块设计　/　273

15.3　数据预处理　/　274

15.3.1　环境搭建　/　275

15.3.2　数据导入　/　275

15.3.3　数据生成　/　277

15.3.4　知识抽取　/　279

15.3.5　知识推理　/　282

15.4　答案匹配与问答系统实现　/　284

15.4.1　答案匹配　/　284

15.4.2　问答系统实现　/　285

15.5　问答结果呈现　/　286

15.6　本章小结　/　288

第16章　金融领域推理决策实践　/　289

16.1　金融决策背景　/　289

16.2　信贷反欺诈业务设计　/　290

16.2.1　场景设计　/　290

16.2.2　知识图谱设计　/　291

16.2.3　模块设计　/　291

16.3　数据预处理　/　292

16.3.1　环境搭建　/　292

16.3.2　数据生成　/　293

16.3.3　知识抽取　/　296

16.3.4　知识表示　/　298

16.3.5　知识存储　/　298

16.4　推理决策实现　/　299

16.4.1　基于自定义规则的Jena

推理机的推理　/　300

16.4.2　基于SPARQL查询语句

的推理　/　302

16.4.3　基于Jena本体模型

的推理　/　304

16.5　本章小结　/　307



计算机视觉：原理、算法、应用及学（原书第5版）


内容简介
本书系统地展示了计算机视觉的基本方法学，讲解基础理论的同时，强调算法和实际中的设计约束。此次第5版全面修订，涵盖更多计算机视觉的概念和应用，既适合本科生和研究生，也适合该领域的研究人员和工程师。

目录
译者序
推荐序
第5版前言
第1版前言
缩写词汇表
第1章　计算机视觉面临的挑战 1
1.1　导言—人类及其感官 1
1.2　视觉的本质 2
1.2.1　识别过程 2
1.2.2　解决识别问题 3
1.2.3　物体定位 4
1.2.4　场景分析 5
1.2.5　视觉是逆向图形学 6
1.3　从自动视觉检测到监控 6
1.4　本书是关于什么的 7
1.5　机器学的作用 8
1.6　后续章节内容概述 9
1.7　书目注释 9
第分　初级视觉
第2章　图像与图像处理 12
2.1　导言 12
2.2　图像处理作 15
2.2.1　灰度图像的些基本作 15
2.2.2　二值图像的基本作 19
2.3　卷积和点扩散函数 21
2.4　顺序作与并行作 22
2.5　结束语 23
2.6　书目和注释 24
2.7　问题 24
第3章　图像滤波和形态学 25
3.1　导言 25
3.2　通过高斯平滑抑制噪声 27
3.3　中值滤波器 28
3.4　模式滤波器 30
3.5　秩排序滤波器 35
3.6　锐化–反锐化掩模 35
3.7　中值滤波器引入的偏移 36
3.7.1　中值偏移的连续体模型 36
3.7.2　推广到灰度图 38
3.7.3　中值偏移的离散模型 40
3.8　秩排序滤波器引入的偏移 41
3.9　滤波器在计算机视觉工业应用中的作用 44
3.10　图像滤波中的色彩 44
3.11　二值图像的膨胀和腐蚀 45
3.11.1　膨胀和腐蚀 45
3.11.2　抵消效应 45
3.11.3　改进的膨胀与腐蚀算子 45
3.12　数学形态学 46
3.12.1　泛化的形态学膨胀 46
3.12.2　泛化的形态学腐蚀 47
3.12.3　膨胀与腐蚀之间的对偶性 47
3.12.4　膨胀与腐蚀算子的性 48
3.12.5　闭合与开启 50
3.12.6　基本形态学运算概要 51
3.13　形态学分组 53
3.14　灰度图像中的形态学 54
3.15　结束语 55
3.16　书目和注释 56
3.17　问题 58
第4章　阈值的作用 61
4.1　导言 61
4.2　区域生长方法 62
4.3　阈值方法 62
4.3.1　寻找合适的阈值 62
4.3.2　解决阈值选取中的偏差问题 63
4.4　自适应阈值 64
4.5　更彻底的阈值选择方法 66
4.5.1　基于方差的阈值 67
4.5.2　基于熵的阈值 67
4.5.3　大似然阈值 68
4.6　全局波谷阈值方法 69
4.7　应用全局波谷阈值方法的实际结果 71
4.8　直方图凹性分析 75
4.9　结束语 75
4.10　书目和注释 76
4.11　问题 77
第5章　边缘检测 78
5.1　导言 78
5.2　边缘检测基本理论 79
5.3　模板匹配方法 80
5.4　3×3模板算子理论 81
5.5　微分梯度算子的设计 82
5.6　圆形算子的概念 83
5.7　圆形算子的详细实现 83
5.8　微分边缘算子的系统设计 85
5.9　上述方法的问题—?些替代方案 86
5.10　滞后阈值 88
5.11　Canny算子 89
5.12　Laplacian算子 92
5.13　结束语 93
5.14　书目和注释 93
5.15　问题 94
第6章　角点、兴趣点和不变征的检测 95
6.1　导言 95
6.2　模板匹配 95
6.3　二导数方法 96
6.4　基于中值滤波的角点检测器 98
6.4.1　分析中值检测器的作 98
6.4.2　实际结果 99
6.5　Harris兴趣点算子 100
6.5.1　各种几何构型的角点信号和位移 102
6.5.2　交点和T形交点的性能 103
6.5.3　Harris算子的不同形式 105
6.6　角点方向 106
6.7　局不变征检测器与描述符 106
6.7.1　几何变换和征标准化 107
6.7.2　Harris尺度、仿射不变检测器和描述符 108
6.7.3　Hessian尺度、仿射不变检测器和描述符 109
6.7.4　尺度不变征变换算子 110
6.7.5　加速鲁棒征算子 110
6.7.6　大稳定值区域 111
6.7.7　各种不变征检测器的比较 112
6.7.8　定向梯度直方图 114
6.8　结束语 115
6.9　书目和注释 116
6.10　问题 118
第7章　纹理分析 119
7.1　导言 119
7.2　纹理分析的些基本方法 121
7.3　灰度共生矩阵 122
7.4　Laws纹理能量法 123
7.5　Ade征滤波器法 125
7.6　对Laws法和Ade法的评估 126
7.7　结束语 127
7.8　书目和注释 127
第二分　中级视觉
第8章　二值化形状分析 130
8.1　导言 130
8.2　二值图像的连通性 131
8.3　物体标记和计数 131
8.4　尺寸滤波 136
8.5　距离函数及其用途 138
8.6　骨架和细化 140
8.6.1　交数 141
8.6.2　细化的并行和顺序实现 143
8.6.3　引导细化 144
8.6.4　如何看待骨架的本质 145
8.6.5　骨架节点分析 146
8.6.6　骨架在形状识别中的应用 146
8.7　形状识别的其他度量 147
8.8　边界跟踪过程 148
8.9　结束语 149
8.10　书目和注释 150
8.11　问题 151
第9章　边界模式分析 154
9.1　导言 154
9.2　边界跟踪过程 156
9.3　质轮廓 156
9.4　质轮廓方法存在的问题 157
9.5　（s, ψ）图 159
9.6　解决遮挡问题 160
9.7　边界长度度量的性 162
9.8　结束语 163
9.9　书目和注释 164
9.10　问题 165
第10章　直线、圆和椭圆的检测 166
10.1　导言 166
10.2　霍夫变换在直线检测中的应用 167
10.3　垂足法 169
10.4　使用RA