本书是一本基于PaddlePaddle深度学习框架的实践性计算机视觉教材，重点关注计算机视觉在实际中的应用。本书涵盖计算机视觉领域的众多方面，包含图像分类、目标检测、图像分割、视频分类以及图像生成等领域，并通过大量的实践案例向读者演示如何编写计算机视觉应用程序，从而帮助读者深入理解计算机视觉的核心概念和技术。
本书可以作为一本实用的计算机视觉实践指南，无论对于从事计算机视觉领域的专业人士，还是对计算机视觉感兴趣的初学者，本书都值得阅读和收藏。

第1章 Python基础
1.1 实践一：九九乘法表
1.2 实践二：随机数生成与排序
1.3 实践三：批量文件遍历、复制、重命名
1.4 实践四：图像直方图统计
1.5 实践五：数据统计分析及可视化
1.6 实践六：图像预处理
第2章 图像分类
2.1 实践一：基于深度神经网络的宝石分类
2.2 实践二：基于卷积神经网络的美食识别
2.3 实践三：基于VGG系列网络的场景图像分类
2.4 实践四：基于ResNet系列模型的车辆图像分类实践
2.5 实践五：基于Vision Transformer的CIFAR10分类
第3章 目标检测
3.1 实践一：基于Faster RCNN模型的瓷砖瑕疵检测（两阶段目标检测）
3.2 实践二：基于YOLOV3/PP-YOLO模型的昆虫检测（一阶段目标检测）
3.3 实践三：基于DETR模型的目标检测
第4章 图像分割
4.1 实践一：基于U-Net/DeepLab V3 Plus模型的宠物图像分割
4.2 实践二：基于PaddleSeg的人像视频分割
4.3 实践三：基于PSPNet模型的人体图像分割
4.4 实践四：基于Swin-UNet模型的医学图像分割
第5章 视频分类
5.1 实践一：基于TSN模型的视频分类
5.2 实践二：基于ECO模型的视频分类
5.3 实践三：基于TimeSformer模型的视频分类
第6章 图像生成
6.1 实践一：基于GAN模型的时尚衣服生成
6.2 实践二：基于PaddleGAN的图像超分辨率
6.3 实践三：基于DcGAN模型的人脸图像生成
6.4 实践四：基于Pix2Pix模型的图像翻译
6.5 实践五：基于cycleGAN模型的图像风格迁移
参考文献