中圖網小程序
一鍵登錄
更方便
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習與機器人 版權信息
- ISBN：9787121458644
- 條形碼：9787121458644 ; 978-7-121-45864-4
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習與機器人 本書特色
全書分為三篇，三篇層層遞進，引導讀者深入學習深度學習相關知識和技術。 一本基于卷積神經網絡和圖像識別方法，在PyTorch和PaddlePaddle兩種框架下結合移動機器人的硬件平臺介紹具體開發過程的圖書
深度學習與機器人 內容簡介
本書基于卷積神經網絡和圖像識別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結合移動機器人講解了具體的開發過程。書中所用的硬件平臺，帶有兩個攝像頭傳感器，為機器人和無人駕駛車輛多攝像頭導航提供了理論指導。書中提到的模擬沙盤，正是機器人作為園區巡檢或無人配送實例的縮影。通過基于理論的實踐，本書不局限于具體的平臺和場景，可以作為實現深度學習的通用化方法。本書源于工程化實踐，抽象為具體方法和案例，為學習基于深度學習的機器人技術提供了指南。
深度學習與機器人 目錄
目錄
認 知 篇
第1章 人工智能、深度學習和計算機視覺 1
1.1 人工智能簡介 1
1.2 人工智能的發展 3
1.3 深度學習簡介 4
1.4 計算機視覺 5
第2章 卷積神經網絡及應用介紹 7
2.1 神經網絡結構 8
2.1.1 神經元與感知器 8
2.1.2 神經網絡 9
2.2 圖像識別的任務 10
2.2.1 視覺感知 10
2.2.2 圖像表達 11
2.2.3 畫面不變性 12
2.3 卷積神經網絡結構 14
2.3.1 卷積層 15
2.3.2 池化 16
2.3.3 激活函數 16
2.3.4 全連接層 17
2.3.5 卷積神經網絡訓練 18
2.4 軟件環境安裝 20
2.4.1 Python環境安裝 20
2.4.2 Numpy功能包安裝 25
2.5 卷積神經網絡代碼詳解 26
2.5.1 Numpy功能包導入 26
2.5.2 卷積層的實現 26
2.5.3 Max Pooling層的實現 35
2.6 網絡參數調整或微調 37
框 架 篇
第3章 圖像分類及目標檢測 38
3.1 圖像分類簡介 38
3.1.1 AlexNet 42
3.1.2 VGG 45
3.1.3 GoogLeNet 49
3.1.4 ResNet 53
3.2 目標檢測 60
3.2.1 目標檢測簡介 60
3.2.2 RCNN基礎 72
3.2.3 Faster RCNN原理 80
3.2.4 Yolo系列算法 89
3.2.5 Yolov3案例 105
第4章 PyTorch基礎 137
4.1 PyTorch簡介 137
4.1.1 Tensor數據類型 137
4.1.2 Tensor運算 140
4.1.3 搭建簡單的神經網絡 144
4.2 自動求梯度 146
4.3 構建模型和優化參數 148
4.3.1 torch.nn 148
4.3.2 torch.optim 151
4.4 案例：基于PyTorch的CIFAR-10圖片分類 153
第5章 PaddlePaddle基礎 157
5.1 PaddlePaddle卷積神經網絡基礎 157
5.1.1 CNN的構成 158
5.1.2 卷積層 159
5.1.3 填充 160
5.1.4 步長 161
5.1.5 多通道卷積 161
5.1.6 多卷積核卷積 162
5.1.7 特征圖大小 163
5.1.8 池化層 163
5.1.9 全連接層 164
5.2 PaddlePaddle基本運算 165
5.3 使用PaddlePaddle高層API直接調用分類網絡 170
5.4 手寫數字識別案例 171
5.4.1 數據處理及數據加載 172
5.4.2 網絡結構和設置學習率 173
5.4.3 模型訓練及模型推理 174
實 戰 篇
第6章 深度學習智能車項目 180
6.1 智能車硬件架構設計 181
6.2 深度學習智能車各部分介紹 182
6.3 軟件安裝和使用 183
6.4 點亮深度學習智能車的車燈 185
6.4.1 深度學習智能車車燈介紹 185
6.4.2 智能車LED引腳連接配置 185
6.4.3 智能車LED電路設計 186
6.4.4 程序設計 186
6.4.5 執行程序和查看結果 187
6.5 智能車運動控制 187
6.5.1 智能車電機特征 187
6.5.2 電機工作方式 188
6.5.3 智能車電機控制 189
6.5.4 智能車電機引腳連接配置 190
6.5.5 電機驅動電路 190
6.5.6 智能車驅動程序設計 192
6.5.7 執行程序和查看結果 194
6.6 智能車上位機與下位機通信 194
6.6.1 智能車下位機程序設計 194
6.6.2 智能車上位機程序設計 198
6.6.3 智能車串口通信調試 199
第7章 實戰案例 200
7.1 基于PaddlePaddle深度學習框架的安裝 200
7.2 車道線識別數據處理與模型構建 203
7.3 車道線識別訓練模型 207
7.4 標志物檢測的數據采集與處理 211
7.5 Yolov5網絡模型介紹 213
7.5.1 Yolov5網絡結構 213
7.5.2 Yolov5相對于Yolov4和Yolov3的改進 215
7.6 標志物識別的模型訓練 218
7.7 智能車無人駕駛實踐 226
7.7.1 無人駕駛沙盤模型 226
7.7.2 深度學習智能車 227
7.7.3 遙控使用 228
7.7.4 深度學習智能車 229
參考文獻 235
展開全部
深度學習與機器人 作者簡介
張銳，北京鋼鐵俠科技有限公司創始人，全國仿生學標準化技術委員會委員，全國工商聯高端裝備制造與儀器儀表委員會委員，中關村高聚工程高端領軍人才，北京市青年托舉工程入選人，青島市拔尖人才，中國人工智能學會教育工作委員會委員，教育部高職專科智能機器人技術、高職本科機器人技術教學標準起草委員會委員，參與制定機器人領域國家標準6項，承擔了多個北京市科技重大專項等省部級項目。
書友推薦
- >
李白與唐代文化
- >
推拿
- >
二體千字文
- >
羅庸西南聯大授課錄
- >
月亮與六便士
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
小考拉的故事-套裝共3冊
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
