幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

深度學習與圖像處理實戰(人工智慧技術工業和信息化精品系列教材)

  • 作者：編者:羅穎//賴國明|責編:趙亮
  • 出版社：人民郵電
  • ISBN：9787115594808
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：156
人民幣：RMB 39.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    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、神經網路的數學基礎、搭建一個簡單的神經網路、模型評估及模型調優等，第6?12章介紹VGG網路實現貓狗識別、ResNet實現手勢識別、搭建MobileNet實現電錶編碼區域檢測、FCN實現斑馬線分割、基於U-Net的工業缺陷檢測、GAN圖像生成、ACGAN生成帶標籤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慧相關專業的教材，也可以作為人工智慧領域相關培訓教材，並適合想入門深度學習的人員和廣大人工智慧愛好者自學使用。
作者介紹
編者:羅穎//賴國明|責編:趙亮
目錄
第1章  深度學習基礎
  1.1  深度學習的定義
  1.2  深度學習的特點
  1.3  深度學習的歷史
    1.3.1  深度學習的起源
    1.3.2  深度學習的發展
    1.3.3  深度學習的爆發
  1.4  深度神經網路概述
    1.4.1  VGGNet
    1.4.2  GoogLeNet
    1.4.3  ResNet
    1.4.4  FCN
    1.4.5  U-Net
    1.4.6  Mask R-CNN
    1.4.7  YOLO
  1.5  深度學習的應用
    1.5.1  圖像領域
    1.5.2  聲音領域
    1.5.3  文本領域
  1.6  深度學習的未來趨勢
  本章小結
第2章  深度學習環境的安裝與使用
  2.1  Anaconda的安裝與使用
    2.1.1  Anaconda簡介
    2.1.2  Anaconda的安裝
    2.1.3  conda簡介
  2.2  TensorFlow環境搭建與使用
    2.2.1  安裝TensorFlow CPU版本
    2.2.2  安裝TensorFlow GPU版本
    2.2.3  PyCharm的安裝
    2.2.4  PyCharm的使用
    2.2.5  TensorFlow的使用
  2.3  Keras簡介與使用
    2.3.1  Keras的意義
    2.3.2  Keras的設計原則
    2.3.3  Keras的工作方式
    2.3.4  Keras快速上手
    2.3.5  Keras簡單實例
  本章小結
第3章  神經網路的數學基礎
  3.1  矩陣
    3.1.1  矩陣定義
    3.1.2  矩陣加法
    3.1.3  矩陣乘法
    3.1.4  矩陣的轉置
    3.1.5  矩陣的逆
  3.2  隨機變數及概率分佈
    3.2.1  隨機變數定義
    3.2.2  離散型隨機變數的概率分佈
    3.2.3  連續型隨機變數及其概率密度函數

  本章小結
第4章  搭建一個簡單的神經網路
  4.1  卷積神經網路的組成
    4.1.1  卷積層
    4.1.2  池化層
    4.1.3  激活函數
    4.1.4  全連接層
    4.1.5  損失函數
  4.2  實例——手寫數字識別神經網路搭建
    4.2.1  MNIST手寫數字數據集簡介
    4.2.2  MNIST手寫數字識別神經網路搭建
  本章小結
第5章  模型評估及模型調優
  5.1  評估指標
    5.1.1  準確率
    5.1.2  查准率
    5.1.3  召回率
    5.1.4  F1值
    5.1.5  ROC與AUC
  5.2  數據集處理
    5.2.1  數據集劃分
    5.2.2  數據增強
  5.3  模型調優
    5.3.1  回調函數
    5.3.2  超參數調整
    5.3.3  模型結構調整
  本章小結
第6章  VGG網路實現貓狗識別
  6.1  VGG網路介紹
  6.2  數據集介紹及處理
  6.3  主幹網路搭建與訓練
  6.4  模型訓練結果測試
  本章小結
第7章  ResNet實現手勢識別
  7.1  ResNet介紹
  7.2  數據集介紹及處理
  7.3  主幹網路搭建並訓練
  7.4  模型訓練結果測試
  本章小結
第8章  搭建MobileNet實現電錶編碼區域檢測
  8.1  目標檢測基礎及YOLO網路介紹
    8.1.1  目標檢測基礎
    8.1.2  YOLO演算法
    8.1.3  下載YOLOv3源碼
  8.2  數據集介紹及處理
  8.3  主幹網路搭建與訓練
  8.4  模型結構修改
    8.4.1  MobileNet簡介
    8.4.2  MobileNet搭建
    8.4.3  網路模型替換

  8.5  模型訓練結果測試
  本章小結
第9章  FCN實現斑馬線分割
  9.1  FCN簡介
  9.2  數據集介紹及處理
  9.3  主幹網路搭建與訓練
  9.4  模型訓練結果測試
  本章小結
第10章  基於U-Net的工業缺陷檢測
  10.1  U-Net簡介
  10.2  數據集介紹及處理
  10.3  主幹網路搭建與訓練
  10.4  模型訓練結果測試
  本章小結
第11章  DCGAN圖像生成
  11.1  GAN簡介
  11.2  數據集介紹及處理
  11.3  主幹網路搭建與訓練
  11.4  模型訓練結果
  本章小結
第12章  ACGAN生成帶標籤圖片
  12.1  ACGAN簡介
  12.2  數據集介紹及處理
  12.3  主幹網路搭建與訓練
  12.4  模型訓練結果測試
  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032