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

PyTorch深度學習之目標檢測/人工智慧技術叢書

  • 作者：編者:趙凱月//劉衍琦|責編:楊靜華
  • 出版社：中國水利水電
  • ISBN：9787522602653
  • 出版日期：2022/11/01
  • 裝幀：平裝
  • 頁數：308
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《PyTorch深度學習之目標檢測》首先從人工智慧產業的發展史和機器「眼中」的圖像世界開始講述，逐步引導讀者進入機器學習的圖像處理當中；然後講解深度學習中實現目標檢測的主要演算法，和以PyTorch框架為基礎構建的神經網路；最後的實戰部分詳細講解了如何使用目標檢測演算法實現具體項目。
    全書共10章，涵蓋內容包括：人工智慧的歷史和發展前景、深度學習的基礎知識、卷積神經網路基礎知識、PyTorch基礎、目標檢測演算法、單階段目標檢測演算法、雙階段目標檢測演算法、神經網路示例、污損遮擋號牌識別實戰和地形目標識別實戰。
    本書內容豐富、實用性強，適合目標檢測方向的入門讀者和進階讀者閱讀，也適合在校學生、圖像方向的演算法工程師和其他編程愛好者閱讀，還適合作為相關培訓機構的教材使用。
作者介紹
編者:趙凱月//劉衍琦|責編:楊靜華
目錄
第1章  人工智慧的歷史及發展前景
  1.1  人工智慧的誕生
    1.1.1  什麼是人工智慧
    1.1.2  AI發展簡史
  1.2  電腦視覺基礎
    1.2.1  機器「眼中」的圖像世界
    1.2.2  傳統的圖像處理方法
  1.3  深度學習的應用場景
    1.3.1  圖像分類
    1.3.2  圖像檢測
    1.3.3  圖像分割
    1.3.4  圖像描述
    1.3.5  圖像問答
    1.3.6  圖像生成
  1.4  小結
第2章  深度學習基礎知識
  2.1  神經網路實現方法
    2.1.1  前向傳播演算法
    2.1.2  反向傳播演算法
  2.2  自動梯度
    2.2.1  局部最優解與鞍點
    2.2.2  最優解的判別
    2.2.3  局部最優解與鞍點的解決辦法
    2.2.4  梯度爆炸與梯度消失
  2.3  參數更新
    2.3.1  激活函數
    2.3.2  優化器
    2.3.3  損失函數
  2.4  小結
第3章  卷積神經網路基礎
  3.1  常用卷積層操作合集
    3.1.1  卷積原理
    3.1.2  標準卷積
    3.1.3  深度卷積
    3.1.4  分組卷積
    3.1.5  空洞卷積
  3.2  可變形卷積
    3.2.1  可變形卷積原理
    3.2.2  可變形卷積結構
  3.3  目標分割之反卷積
    3.3.1  反卷積數學理論的推導
    3.3.2  反卷積在全卷積神經網路中的應用
  3.4  池化層操作合集
    3.4.1  特徵擴充之上採樣
    3.4.2  特徵提取之下採樣
  3.5  全連接層操作
    3.5.1  原理概述
    3.5.2  全連接層之間的連接
  3.6  數據歸一化
    3.6.1  什麼是數據歸一化

    3.6.2  Batch Normalization
    3.6.3  Layer Normalization
    3.6.4  Instance Normalization
    3.6.5  Group Normalization
    3.6.6  Switchable Normalization
  3.7  防過擬合操作
……
第4章  PyTorch基礎
第5章  目標檢測演算法
第6章  單階段目標檢測
第7章  雙階段目標檢測
第8章  神經網路示例
第9章  污損遮擋號牌識別實戰
第10章  地形目標識別實戰

  • 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