掃一掃
關注中圖網
官方微博
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
圖像分割原理與技術實現 版權信息
- ISBN：9787030788849
- 條形碼：9787030788849 ; 978-7-03-078884-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
圖像分割原理與技術實現 內容簡介
本書主要內容包括語義圖像分割相關理論和具體事項，在介紹語義圖像分割目的和相關技術及傳統分割算法的基礎上，講述了從神經網絡到深度學習的發展過程，重點介紹了全卷積網絡，通過采用卷積神經網絡實現了從圖像像素到像素類別的變換；從而進一步介紹了基于全卷積網絡改進的Unet網絡，以及兩種基于全卷積網絡的 SegNet網絡：正常版與貝葉斯版。另外，本書還介紹了圖像分割算法DeepLab v1、v2、v3和v3+以及圖卷積神經網絡，以及為實現性能與實時雙提高的輕量實時語義分割Enet網絡、殘差編碼器-解碼器網絡RED-Net、RefineNet，通過顯式利用了下采樣過程的所有信息，使用遠程殘差連接來實現高分辨率的預測。
圖像分割原理與技術實現 目錄
序
前言
第1章 緒論1
1.1 引言1
1.2 數字圖像基礎3
1.2.1 數字圖像概念4
1.2.2 圖像三要素4
1.2.3 數字圖像文件格式6
1.3 圖像預處理7
1.3.1 點運算7
1.3.2 直方圖處理12
1.3.3 圖像去噪16
1.4 圖像語義分割基本操作23
1.4.1 卷積23
1.4.2 圖像填充25
1.4.3 下采樣26
1.4.4 上采樣27
1.4.5 one-hot編碼31
1.5 圖像分割評價指標33
1.5.1 準確率33
1.5.2 混淆矩陣33
1.5.3 交并比34
1.5.4 靈敏度35
1.5.5 特異性36
1.5.6 F1分數36
參考文獻36
第2章 傳統圖像分割方法和數學形態學38
2.1 傳統圖像分割方法38
2.1.1 基于閾值的圖像分割方法38
2.1.2 基于區域的圖像分割方法42
2.1.3 基于邊緣的圖像分割方法48
2.1.4 基于圖論的圖像分割方法53
2.1.5 基于能量泛函的圖像分割方法57
2.1.6 基于特定工具的圖像分割方法62
2.1.7 其他分割方法65
2.2 數學形態學68
2.2.1 膨脹和腐蝕68
2.2.2 閉運算與開運算70
2.2.3 形態學梯度70
2.2.4 頂帽運算72
2.2.5 黑帽運算72
2.3 圖像金字塔73
2.3.1 高斯金字塔73
2.3.2 拉普拉斯金字塔74
2.3.3 高斯差分76
2.4 小結77
參考文獻77
第3章 神經網絡和深度學習79
3.1 生物神經網絡原理79
3.2 人工神經網絡發展80
3.3 深度學習模型87
3.3.1 卷積神經網絡88
3.3.2 基于多層神經元的自編碼神經網絡97
3.3.3 深度置信網絡99
3.4 小結及相關研究101
3.4.1 小結101
3.4.2 相關研究102
參考文獻104
第4章 全卷積網絡107
4.1 引言107
4.2 VGGNet110
4.2.1 VGGNet簡介110
4.2.2 VGG16具體代碼實現113
4.3 FCN網絡結構113
4.4 FCN算法原理115
4.4.1 全卷積結構115
4.4.2 上采樣116
4.4.3 特征融合116
4.5 FCN具體實現介紹117
4.6 小結及相關研究119
4.6.1 小結119
4.6.2 相關研究120
參考文獻120
第5章 U-Net122
5.1 引言122
5.1.1 U-Net簡介122
5.1.2 U-Net發展歷程123
5.1.3 U-Net的基本概念125
5.2 U-Net網絡模型126
5.2.1 網絡結構126
5.2.2 算法原理128
5.2.3 算法流程及實現代碼131
5.3 AFNet網絡模型133
5.3.1 AFNet網絡結構介紹133
5.3.2 相關研究內容135
5.3.3 算法流程及實現代碼139
5.4 小結及相關研究142
5.4.1 小結142
5.4.2 相關研究142
參考文獻143
第6章 SegNet145
6.1 引言145
6.1.1 SegNet背景145
6.1.2 SegNet發展歷程146
6.2 SegNet結構介紹147
6.2.1 SegNet網絡結構介紹147
6.2.2 相關內容介紹148
6.3 實驗152
6.3.1 評價指標152
6.3.2 參數及數據集152
6.3.3 SegNet性能對比153
6.3.4 SegNet結構代碼155
6.4 小結及相關研究160
參考文獻161
第7章 DeepLab系列算法163
7.1 引言163
7.1.1 DeepLab系列算法簡介163
7.1.2 DeepLab發展歷程164
7.2 網絡結構165
7.2.1 網絡結構介紹165
7.2.2 主要創新點172
7.3 算法流程以及實現代碼186
7.3.1 DeepLab v1186
7.3.2 DeepLab v2190
7.3.3 DeepLab v3192
7.3.4 DeepLab v3+195
7.4 小結及相關研究208
7.4.1 小結208
7.4.2 相關研究209
參考文獻210
第8章 GCN212
8.1 引言212
8.1.1 GCN簡介212
8.1.2 GCN相關基礎概念214
8.2 總體網絡結構介紹215
8.3 算法原理216
8.3.1 全局卷積網絡結構216
8.3.2 邊緣細化模塊218
8.4 實驗218
8.4.1 數據集性能測試218
8.4.2 預訓練模型嵌入220
8.5 算法流程及實現代碼221
8.5.1 算法流程222
8.5.2 具體實現代碼222
8.6 小結及相關研究223
8.6.1 小結223
8.6.2 相關研究223
參考文獻224
第9章 輕量級實時分割226
9.1 引言226
9.1.1 輕量級網絡簡介226
9.1.2 輕量級網絡發展歷程226
9.2 ENet網絡227
9.2.1 主要創新點227
9.2.2 結構介紹229
9.2.3 ENet實驗230
9.3 BiSeNet網絡233
9.3.1 主要創新點234
9.3.2 結構介紹236
9.3.3 BiSeNet實驗237
9.4 DFANet網絡239
9.4.1 主要創新點239
9.4.2 結構介紹240
9.4.3 DFANet實驗242
9.5 小結及相關研究244
9.5.1 小結245
9.5.2 相關研究245
參考文獻247
第10章 RedNet：RGB-D語義分割入門249
10.1 引言249
10.2 室內RGB-D語義分割和金字塔監督251
10.2.1 室內RGB-D語義分割251
10.2.2 金字塔監督255
10.3 算法流程以及實現257
10.3.1 算法流程258
10.3.2 實現260
10.4 小結及相關研究264
10.4.1 小結264
10.4.2 相關研究264
參考文獻266
第11章 RDFNet268
11.1 引言268
11.1.1 背景以及相關工作268
11.1.2 RefineNet發展歷程270
11.2 網絡結構271
11.2.1 網絡結構介紹271
11.2.2 MMFNet模塊279
11.3 算法流程及實現代碼280
11.3.1 RDFNet280
11.3.2 RDFNet實現284
11.4 小結及相關研究284
11.4.1 小結284
11.4.2 相關研究285
參考文獻286
彩圖
展開全部
圖像分割原理與技術實現 作者簡介
主持國家自然科學基金、廣東省自然科學基金等科研項目6項，以第一發明人申請并授權國家發明專利2項
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
有舍有得是人生
- >
回憶愛瑪儂
- >
中國歷史的瞬間
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
