包郵深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材)

作者：羅穎賴國明

出版社：人民郵電出版社出版時間：2022-08-01

開本： 16開 頁數： 156

本類榜單：計算機/網絡銷量榜

中圖價:¥24.9(6.3折) 定價 ~~¥39.8~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

¥14.4¥45
>
決戰行測5000題(言語理解與表達)

決戰行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調優實踐之路

軟件性能測試.分析與調優實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續交付

JAVA持續交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學習

深度學習

¥92.4¥168

商品詳情
商品評論(0條)

中圖價:¥24.9 加入購物車

版權信息
本書特色
內容簡介
目錄
作者簡介

深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材) 版權信息

ISBN：9787115594808
條形碼：9787115594808 ; 978-7-115-59480-8
裝幀：一般膠版紙
冊數：暫無
重量：暫無
所屬分類：
計算機/網絡
>
圖形圖像多媒體

深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材) 本書特色

1.基礎理論和實踐開發相結合為了讀者能夠快速地掌握相關理論以及技術并且投入到實際使用中，本書在前4章中引入了深度學習的前置知識點，并一一解析。并在6~12章中設置了深度學習的多個應用場景，使讀者能夠快速地將理論知識轉換成實踐經驗。 2．合理、有效的組織本書按照由淺入深的順序，在逐漸豐富系統功能的同時，引入相關技術與知識，實現技術講解與訓練合二為一，有助于“教、學、做一體化”教學的實施。 3. 覆蓋面廣本書基本覆蓋了深度學習圖像識別的多個應用方向如圖像識別、目標檢測、圖像分割、圖像生成等。

深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材) 內容簡介

本書介紹了深度學習的歷史、學習深度學習模型所需要的數學基礎、深度學習模型的基本組成和常用深度學習模型的應用。本書共12章，第1～5章介紹深度學習基礎、深度學習環境的安裝與使用、神經網絡的數學基礎、搭建一個簡單的神經網絡、模型評估及模型調優等，第6～12章介紹VGG網絡實現貓狗識別、ResNet實現手勢識別、搭建MobileNet實現電表編碼區域檢測、FCN實現斑馬線分割、基于U-Net的工業缺陷檢測、GAN圖像生成、ACGAN生成帶標簽圖片等多個綜合實例，通過在實踐中融入理論，幫助讀者掌握深度學習的概念和應用開發。本書可以作為高職高專院校人工智能相關專業的教材，也可以作為人工智能領域相關培訓教材，并適合想入門深度學習的人員和廣大人工智能愛好者自學使用。

深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材) 目錄

目錄
第 1章深度學習基礎 1
1．1 深度學習的定義 1
1．2 深度學習的特點 1
1．3 深度學習的歷史 1
1．3．1 深度學習的起源 2
1．3．2 深度學習的發展 2
1．3．3 深度學習的爆發 2
1．4 深度神經網絡概述 3
1．4．1 VGGNet 3
1．4．2 GoogLeNet 3
1．4．3 ResNet 3
1．4．4 FCN 3
1．4．5 U-Net 3
1．4．6 Mask R-CNN 4
1．4．7 YOLO 4
1．5 深度學習的應用 4
1．5．1 圖像領域 4
1．5．2 聲音領域 8
1．5．3 文本領域 11
1．6 深度學習的未來趨勢 11
本章小結 12
第 2章深度學習環境的安裝與使用 13
2．1 Anaconda的安裝與使用 13
2．1．1 Anaconda簡介 13
2．1．2 Anaconda的安裝 13
2．1．3 conda簡介 14
2．2 TensorFlow環境搭建與使用 17
2．2．1 安裝TensorFlow CPU版本 18
2．2．2 安裝TensorFlow GPU版本 18
2．2．3 PyCharm的安裝 19
2．2．4 PyCharm的使用 22
2．2．5 TensorFlow的使用 26
2．3 Keras簡介與使用 28
2．3．1 Keras的意義 29
2．3．2 Keras的設計原則 29
2．3．3 Keras的工作方式 29
2．3．4 Keras快速上手 30
2．3．5 Keras簡單實例 30
本章小結 34
第3章神經網絡的數學基礎 35
3．1 矩陣 35
3．1．1 矩陣定義 35
3．1．2 矩陣加法 36
3．1．3 矩陣乘法 37
3．1．4 矩陣的轉置 40
3．1．5 矩陣的逆 40
3．2 隨機變量及概率分布 41
3．2．1 隨機變量定義 41
3．2．2 離散型隨機變量的概率分布 42
3．2．3 連續型隨機變量及其概率密度函數 46
本章小結 50
第4章搭建一個簡單的神經網絡 51
4．1 卷積神經網絡的組成 51
4．1．1 卷積層 51
4．1．2 池化層 53
4．1．3 激活函數 54
4．1．4 全連接層 55
4．1．5 損失函數 56
4．2 實例——手寫數字識別神經網絡搭建 56
4．2．1 MNIST手寫數字數據集簡介 56
4．2．2 MNIST手寫數字識別神經網絡搭建 58
本章小結 61
第5章模型評估及模型調優 62
5．1 評估指標 62
5．1．1 準確率 63
5．1．2 查準率 63
5．1．3 召回率 63
5．1．4 F1值 64
5．1．5 ROC與AUC 64
5．2 數據集處理 65
5．2．1 數據集劃分 65
5．2．2 數據增強 67
5．3 模型調優 75
5．3．1 回調函數 76
5．3．2 超參數調整 78
5．3．3 模型結構調整 80
本章小結 84
第6章 VGG網絡實現貓狗識別 85
6．1 VGG網絡介紹 85
6．2 數據集介紹及處理 86
6．3 主干網絡搭建與訓練 88
6．4 模型訓練結果測試 91
本章小結 92
第7章 ResNet實現手勢識別 93
7．1 ResNet介紹 93
7．2 數據集介紹及處理 94
7．3 主干網絡搭建并訓練 97
7．4 模型訓練結果測試 101
本章小結 103
第8章搭建MobileNet實現電表編碼區域檢測 104
8．1 目標檢測基礎及YOLO網絡介紹 104
8．1．1 目標檢測基礎 104
8．1．2 YOLO算法 106
8．1．3 下載YOLOv3源碼 108
8．2 數據集介紹及處理 109
8．3 主干網絡搭建與訓練 112
8．4 模型結構修改 117
8．4．1 MobileNet簡介 117
8．4．2 MobileNet搭建 118
8．4．3 網絡模型替換 121
8．5 模型訓練結果測試 122
本章小結 122
第9章 FCN實現斑馬線分割 123
9．1 FCN簡介 123
9．2 數據集介紹及處理 125
9．3 主干網絡搭建與訓練 130
9．4 模型訓練結果測試 132
本章小結 133
第 10章基于U-Net的工業缺陷檢測 134
10．1 U-Net簡介 134
10．2 數據集介紹及處理 135
10．3 主干網絡搭建與訓練 138
10．4 模型訓練結果測試 140
本章小結 143
第 11章 DCGAN圖像生成 144
11．1 GAN簡介 144
11．2 數據集介紹及處理 146
11．3 主干網絡搭建與訓練 146
11．4 模型訓練結果 149
本章小結 150
第 12章 ACGAN生成帶標簽圖片 151
12．1 ACGAN簡介 151
12．2 數據集介紹及處理 152
12．3 主干網絡搭建與訓練 152
12．4 模型訓練結果測試 155
本章小結 156

展開全部

深度學習與圖像處理實戰(人工智能技術工業和信息化精品系列教材) 作者簡介

羅穎，女，現任蘇州市工業職業技術學院軟件與服務外包學院副院長、副教授，研究方向人工智能技術應用。曾任教于本科院校13年，具有較好的教學科研經驗，目前主講《C語言程序設計》、《關系數據庫基礎與應用》、《微信小程序開發》等多門課程。2014年以來，主持并參與市廳級以上項目多項，其中主持蘇州市科技發展規劃項目課題《面向養老服務業的人體行為智能化分析技術研究與應用》，參與江蘇省教育廳科技項目《基于遞歸型數據中心網絡的限制容錯性研究》、江蘇省科技計劃體系項目《基于時間感知的多樣性小眾推薦算法技術研究》等，主編教材《Java Web云應用開發》，發表論文多篇。歷任CCF蘇州會員活動中心委員，蘇州人工智能學會教育專委會常務理事等社會職務。

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦