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

基於深度學習的遙感影像目標識別入門與實踐(高等學校遙感信息工程實踐與創新系列教材)

  • 作者：編者:段延松|責編:楊曉露
  • 出版社：武漢大學
  • ISBN：9787307238183
  • 出版日期：2023/08/01
  • 裝幀：平裝
  • 頁數：218
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《基於深度學習的遙感影像目標識別入門與實踐》主要以實現遙感影像的分類、目標檢測與目標識別為目的，系統地講述了遙感技術與深度學習的關係、深度學習的數學基礎、卷積神經網路基礎、Python基本語法、深度學習框架PyTorch和TensorFlow搭建方法，最後通過LeNet實踐、Faster R-CNN實踐和U-Net實踐，帶讀者體驗深度學習應用於遙感數據處理的具體操作。
    本書可作為普通高校遙感科學與技術、攝影測量與遙感、GIS、模式識別與智能處理等專業的實習教材，也可作為AI開發愛好者的自學入門教程。
作者介紹
編者:段延松|責編:楊曉露
目錄
第1章  遙感技術與深度學習
  1.1  遙感技術概述
    1.1.1  遙感技術與遙感影像
    1.1.2  遙感影像處理
    1.1.3  遙感影像處理新理論——攝影測量遙感
  1.2  深度學習概述
    1.2.1  深度學習的起源階段
    1.2.2  深度學習的發展階段
    1.2.3  深度學習的爆發階段
第2章  電腦操作與GPU基礎
  2.1  電腦操作基礎
    2.1.1  電腦的命令行操作
    2.1.2  命令行擴展工具conda
  2.2  GPU基礎
    2.2.1  GPU概述
    2.2.2  GPU與並行計算
    2.2.3  GPU開發平台
第3章  深度學習的數學基礎
  3.1  張量基礎
    3.1.1  張量概述
    3.1.2  常見的張量數據
    3.1.3  典型張量運算及特點
    3.1.4  張量運算函數舉例
  3.2  卷積基礎
    3.2.1  離散卷積計算
    3.2.2  卷積與互相關
    3.2.3  卷積的應用
  3.3  數學優化基礎
    3.3.1  數學優化類型
    3.3.2  數學優化演算法
    3.3.3  學習率
    3.3.4  損失函數
第4章  卷積神經網路基礎
  4.1  神經網路基礎
    4.1.1  感知機
    4.1.2  多層感知機
    4.1.3  反向傳播
  4.2  卷積神經網路
    4.2.1  輸入層
    4.2.2  卷積層
    4.2.3  激活函數
    4.2.4  池化層
    4.2.5  全連接層
    4.2.6  輸出層
  4.3  典型卷積神經網路模型
    4.3.1  LeNet模型
    4.3.2  AlexNet模型
    4.3.3  VGGNet模型
第5章  Python基礎
  5.1  Python概述

  5.2  Python環境搭建
  5.3  Python程序
    5.3.1  Pvthon編程
    5.3.2  Python註釋
    5.3.3  Python縮進
    5.3.4  Python編碼規範
    5.3.5  Python標識符規範
    5.3.6  Python關鍵字
    5.3.7  Python內置函數
  5.4  Python基本語法
    5.4.1  Python變數類型
    5.4.2  Python運算符
    5.4.3  Python容器
    5.4.4  Python字元串
    5.4.5  Python控制語句
    5.4.6  Python函數
    5.4.7  Python的類
    5.4.8  Python的文件操作
  5.5  Python模塊、包與入口函數
    5.5.1  Python模塊
    5.5.2  Python模塊導入
    5.5.3  設置Python的執行方式
  5.6  Python擴展模塊
    5.6.1  數值計算NumPy
    5.6.2  數學工具SciPy
    5.6.3  繪圖庫Matplotlib
    5.6.4  電腦視覺庫OpenCV
    5.6.5  地理空間數據抽象庫GDAL
第6章  深度學習框架
  6.1  深度學習框架概述
    6.1.1  什麼是深度學習框架
    6.1.2  如何學好深度學習框架
  6.2  PyTorch
    6.2.1  PyTorch環境搭建
    6.2.2  PyTorch簡單測試
    6.2.3  PyTorch的組成與使用
    6.2.4  PyTorch構建神經網路
  6.3  TensorFlow
    6.3.1  TensorFlow環境搭建
    6.3.2  TensorFlow簡單測試
    6.3.3  TensorFlow的組成與使用
    6.3.4  TensorFlow構建神經網路
    6.3.5  TensorFlow可視化TensorBoard
  6.4  Caffe
    6.4.1  Caffe環境搭建
    6.4.2  Caffe的簡單使用
    6.4.3  Caffe的組成與使用
  6.5  其他框架
    6.5.1  MXNet
    6.5.2  Paddle

    6.5.3  CNTK
    6.5.4  MatConvNet
    6.5.5  DeepLearning4j
    6.5.6  DarkNet
第7章  遙感影像分類檢測與識別
  7.1  影像分類LeNet實踐
    7.1.1  LeNet概述
    7.1.2  LeNet代碼編寫和數據準備
    7.1.3  LeNet模型訓練和結果評估
    7.1.4  LeNet模型擴展練習
  7.2  目標檢測Faster R-CNN實踐
    7.2.1  Faster R-CNN概述
    7.2.2  Faster R-CNN代碼編寫和數據準備
    7.2.3  Faster R-CNN模型訓練和結果評估
    7.2.4  Faster R-CNN模型擴展練習
  7.3  目標識別UNet實踐
    7.3.1  UNet概述
    7.3.2  UNet代碼編寫和數據準備
    7.3.3  UNet模型訓練和結果評估
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