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

深度學習與機器人/智能駕駛理論與實踐系列叢書

  • 作者：編者:張銳|責編:張迪
  • 出版社：電子工業
  • ISBN：9787121458644
  • 出版日期：2023/07/01
  • 裝幀：平裝
  • 頁數：234
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書基於卷積神經網路和圖像識別方法，介紹了PyTorch和PaddlePaddle兩種框架，並結合移動機器人講解了具體的開發過程。書中所用的硬體平台，帶有兩個攝像頭感測器，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。通過基於理論的實踐，本書不局限於具體的平台和場景，可以作為實現深度學習的通用化方法。本書源於工程化實踐，抽象為具體方法和案例，為學習基於深度學習的機器人技術提供了指南。
    本書可供從事移動機器人和無人駕駛研究的科研工作者、高校教師及相關專業學生使用。
作者介紹
編者:張銳|責編:張迪
目錄
認知篇
  第1章  人工智慧、深度學習和電腦視覺
    1.1  人工智慧簡介
    1.2  人工智慧的發展
    1.3  深度學習簡介
    1.4  電腦視覺
  第2章  卷積神經網路及應用介紹
    2.1  神經網路結構
      2.1.1  神經元與感知器
      2.1.2  神經網路
    2.2  圖像識別的任務
      2.2.1  視覺感知
      2.2.2  圖像表達
      2.2.3  畫面不變性
    2.3  卷積神經網路結構
      2.3.1  卷積層
      2.3.2  池化
      2.3.3  激活函數
      2.3.4  全連接層
      2.3.5  卷積神經網路訓練
    2.4  軟體環境安裝
      2.4.1  Python環境安裝
      2.4.2  Numpy功能包安裝
    2.5  卷積神經網路代碼詳解
      2.5.1  Numpy功能包導入
      2.5.2  卷積層的實現
      2.5.3  Max Pooling層的實現
    2.6  網路參數調整或微調
框架篇
  第3章  圖像分類及目標檢測
    3.1  圖像分類簡介
      3.1.1  AlexNet
      3.1.2  VGG
      3.1.3  GoogLeNet
      3.1.4  ResNet
    3.2  目標檢測
      3.2.1  目標檢測簡介
      3.2.2  RCNN基礎
      3.2.3  Faster RCNN原理
      3.2.4  Yolo系列演算法
      3.2.5  Yolov3案例
  第4章  PyTorch基礎
    4.1  PyTorch簡介
      4.1.1  Tensor數據類型
      4.1.2  Tensor運算
      4.1.3  搭建簡單的神經網路
    4.2  自動求梯度
    4.3  構建模型和優化參數
      4.3.1  torch.nn
      4.3.2  torch.optim

    4.4  案例：基於PyTorch的CIFAR-10圖片分類
  第5章  PaddlePaddle基礎
    5.1  PaddlePaddle卷積神經網路基礎
      5.1.1  CNN的構成
      5.1.2  卷積層
      5.1.3  填充
      5.1.4  步長
      5.1.5  多通道卷積
      5.1.6  多卷積核卷積
      5.1.7  特徵圖大小
      5.1.8  池化層
      5.1.9  全連接層
    5.2  PaddlePaddle基本運算
    5.3  使用PaddlePaddle高層API直接調用分類網路
    5.4  手寫數字識別案例
      5.4.1  數據處理及數據載入
      5.4.2  網路結構和設置學習率
      5.4.3  模型訓練及模型推理
實戰篇
  第6章  深度學習智能車項目
    6.1  智能車硬體架構設計
    6.2  深度學習智能車各部分介紹
    6.3  軟體安裝和使用
    6.4  點亮深度學習智能車的車燈
      6.4.1  深度學習智能車車燈介紹
      6.4.2  智能車LED引腳連接配置
      6.4.3  智能車LED電路設計
      6.4.4  程序設計
      6.4.5  執行程序和查看結果
    6.5  智能車運動控制
      6.5.1  智能車電機特徵
      6.5.2  電機工作方式
      6.5.3  智能車電機控制
      6.5.4  智能車電機引腳連接配置
      6.5.5  電機驅動電路
      6.5.6  智能車驅動程序設計
      6.5.7  執行程序和查看結果
    6.6  智能車上位機與下位機通信
      6.6.1  智能車下位機程序設計
      6.6.2  智能車上位機程序設計
      6.6.3  智能車串口通信調試
  第7章  實戰案例
    7.1  基於PaddlePaddle深度學習框架的安裝
    7.2  車道線識別數據處理與模型構建
    7.3  車道線識別訓練模型
    7.4  標誌物檢測的數據採集與處理
    7.5  Yolov5網路模型介紹
      7.5.1  Yolov5網路結構
      7.5.2  Yolov5相對於Yolov4和Yolov3的改進
    7.6  標誌物識別的模型訓練

    7.7  智能車無人駕駛實踐
      7.7.1  無人駕駛沙盤模型
      7.7.2  深度學習智能車
      7.7.3  遙控使用
      7.7.4  深度學習智能車
參考文獻

  • 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