第1章 概述
1．1 什么是计算机视觉
1．2 计算机视觉的发展史

第2章 OpenCV图像基本操作
2．1 如何使用OpenCV
2．2 图像的基础操作
2．2．1 图像的基本表示方法
2．2．2 图像的读取、显示和存储
2．2．3 视频序列的读取和存储
2．2．4 图像像素的处理与访问
2．2．5 获取图像属性
2．2．6 图像RoI
2．2．7 图像通道的拆分与合并
2．3 图像的几何变换
2．3．1 图像缩放
2．3．2 图像翻转
2．3．3 图像仿射变换
2．3．4 图像透视
2．4 图像的算术运算
2．4．1 图像的加法运算
2．4．2 图像的加权和运算
2．4．3 图像的按位逻辑运算

第3章 深度学习与计算机视觉
3．1 深度学习概述
3．1．1 深度学习的概念
3．1．2 深度学习的发展历程
3．2 卷积神经网络
3．2．1 卷积神经网络的研究历史与意义
3．2．2 卷积神经网络的基本结构
3．2．3 卷积神经网络的工作原理
3．2．4 卷积神经网络的发展趋势
3．2．5 实验——机器人识别你的字
3．3 基于深度学习的计算机视觉
3．3．1 计算机视觉与深度学习的关系
3．3．2 计算机视觉和深度学习发展的加速器——GPU
3．3．3 计算机视觉与深度学习的基础与研究方向
3．4 深度学习的实现框架TensorFlow
3．4．1 TensorFlow简介
3．4．2 TensorFlow环境的搭建
3．4．3 TensorFlow计算模型——计算图
3．4．4 TensorFlow数据模型——张量
3．4．5 TensorFlow运行模型——会话

第4章 图像分类
4．1 定义与应用场景
4．2 实现方法
4．3 常用数据集
4．4 实验——机器人看图识物
4．5 实验——机器人识别人脸表情

第5章 目标检测
5．1 定义与应用场景
5．2 实现方法
5．2．1 基于候选区域的目标检测算法
5．2．2 基于直接回归的目标检测算法
5．3 常用数据集
5．4 实验——机器人捕捉人脸并识别
5．5 实验——无人驾驶中的目标检测

第6章 图像分割
6．1 定义与应用场景
6．2 实现方法
6．2．1 基于特征编码的模型
6．2．2 基于区域选择的模型
6．2．3 基于上采样/反卷积的模型
6．2．4 基于RNN的模型
6．2．5 基于提高特征分辨率的模型
6．3 常用数据集
6．4 实验——无人驾驶场景感知

第7章 场景文字识别
7．1 定义与应用场景
7．2 实现方法
7．2．1 传统方法时期
7．2．2 深度学习方法时期
7．3 常用数据集
7．4 实验——无人值守车牌识别机器人
……

第8章 人体关键点检测
第9章 图像生成
第10章 视觉交互机器人
第11章 无人驾驶的自动巡线