本书首先介绍了视觉成像与获取的方式，然后介绍了图像与视觉处理的编程基础与常见算法，包括图像增强、图像复原、图像基元检测、图像分割、形态学处理、图像配准、相机标定、立体视觉、特征提取与模式识别等，最后针对视觉引导与定位、遥感图像分割、缺陷检测与识别、视觉测量等常见机器视觉工程应用展开探讨。

全书共12章,分别介绍人工智能的历史与现状、深度学习的基础原理、卷积神经网络的基本构建、PyTorch的基本应用、分类识别技术与应用、目标检测技术与应用、基于视觉大数据检索的图搜图应用、验证码AI识别、基于生成式对抗网络的图像生成应用、肺炎感染影像智能识别、基于深度学习的人脸二维码识别、污损遮挡号牌识别与违法行为检测,

本书分为基础模块、进阶模块与综合模块三部分，内容由浅入深、由易到难、层层递进，系统性强，以机器视觉系统应用技术平台（型号：LX-VS-2021-AI01）为载体，主要介绍印刷品综合检测、机械零件尺寸综合测量、彩色图形创意造型摆拼、物流包裹测量及分拣、液体试管识别及分拣、智能仓储检测及拆垛、码垛和智能车库分类停靠七个典型

本书主要内容包括手写数字图像处理、基于YOLO生活物品图像检测开发与部署实战、公共卫生安全目标检测模型开发与实战、中文智能检测与识别项目实战、手势识别之手势画图项目实战等。在项目实施过程中，本书采用了OpenCV、TensorFlow、YOLO等当前流行的计算机视觉和深度学习框架，以确保读者能够紧跟技术发展的最前沿。

本书是以“理论－技术－应用－前沿”为主线，系统构建智能视觉与控制的知识体系，聚焦人工智能与工业4.0融合趋势，突出学科交叉与工业实践。内容分为四部分：基础理论篇涵盖深度学习、机器学习与大数据技术；视觉处理篇解析图像处理、目标检测与3D重建技术，融入注意力残差GAN等创新成果；智能控制篇结合机器人建模、轨迹跟踪及5G/物

本书涵盖丰富实用内容，既有数据中心运维基础理论、核心管理目标、体系构建等理论知识，又包含标准化程序文档、运维必备技能、实战案例，还涉及EHS管理、工具仪表应用、DCOM系统及表单报告模板。其特点显著，融合多座数据中心运维经验，由行业与高校专家联合编写，助读者构建知识框架、提升效率，推动运维规范化。本书面向广大读者，是从

本书以时间流线为经，以项目管理的三要素（质量、进度、投资）作纬，概述数据中心全过程的概念和优势，介绍项目前期工作、规划设计、工程实施、运维管理等阶段，以及不同的建设模式，旨在提供数据中心项目管理指引，帮助数据中心从业者实现安全可靠、节能降碳的建设目标，推动数据中心行业朝可持续发展的方向转型。本书适合数据中心建设和运维的

本书精心选择了计算机系统领域的14篇开创性经典文献，并用中文准确翻译，结合编者自身的理论研究和工程实践，针对14篇文献给出了独到的分析和评论。全书涵盖了人工智能、可计算理论、计算机体系结构、虚拟化、并行计算等细分角度和方向，采用考据考证和文本细读的方法，在每篇内部、篇篇之间先分析后综合，形成一个有机的整体，对于追溯本源

本书深入剖析了数据要素行业的发展趋势和关键安全技术，并探讨了新技术如何赋能各行各业。全书分为三个核心篇章：体系篇构建了数据要素安全的理论框架，从宏观角度分析了数据要素的演进及相关法律法规的制定，旨在帮助读者理解数据要素安全的重要性及背景知识；技术洞察篇深入探讨了前沿技术，揭示了数据安全自用、数据可信确权、数据可控流通和

本书通过直观的模型图、客观的实验数据和分析性讨论，简化了视觉算法的数学方面，力求使没有或仅有有限先验知识的读者也能理解和解决代表性的计算机视觉问题。内容涵盖三大主要场景：视频分析、三维重构和同时定位与地图构建(SLAM)，这些分别对应于3D时空机器视觉、3D空间机器视觉和4D时空机器视觉。从2D图像和时间基础的视觉处理