《OpenCV 4机器学习算法原理与编程实战》。
这是一本什么样的书
OpenCV（Open Source Computer Vision）是计算机视觉领域最重要的开源函数库，其中不仅包括了众多图像处理和视频分析算法，还包含了经典机器学习算法和深度学习算法库。这些机器学习算法在计算机视觉的图像分类、目标检测、目标跟踪和光学字符检测识别等任务中扮演了关键角色，本书就聚焦于这些内容。
本书内容
本书主要面向OpenCV领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战，全书共10章。
第1~3章， 介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识；
第4~8章，介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战；
第9~10章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供了不同深度学习模型的部署示例代码。
本书特色：
1.注重理论结合实战。力求在理论与实战之间寻找更好的平衡点，为读者拉近机器学习算法原理与C++编程实战之间的距离。通过原理分析与示例代码，提升读者基于C++语言的机器学习算法编程实战能力。
2.兼顾经典与前沿算法。包含新版OpenCV 4的机器学习与深度学习模块内容。不仅有经典的“开箱即用”算法：K均值、K近邻、决策树、随机森林、Boosting、支持向量机和神经网络，还重点介绍了深度神经网络算法的基本原理及其在机器视觉领域的实战应用。
3.应用案例翔实。本书共介绍了7种经典机器学习算法，给出了聚类、分类、回归等任务共30个应用示例代码。在深度学习算法中，通过图像分类、目标检测、实例分割、目标跟踪、场景文本检测和场景文本识别等不同类型的任务，介绍了GoogLeNet、YOLOv4、Mask R-CNN、GOTURN、DB、CRNN等模型部署方法，其中不乏近年出现的高性能模型。
4.学习路线清晰。本书先讲解OpenCV的基础知识与基本图像操作，再讲解机器学习基础知识，最后逐个介绍算法的原理与应用。学习路线清晰，知识点覆盖全面，对重点内容讲解细致。
