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/高等學校人工智慧教育叢書

  • 作者：編者:李萬清|責編:張存//陳婷
  • 出版社：西安電子科大
  • ISBN：9787560674926
  • 出版日期：2025/02/01
  • 裝幀：平裝
  • 頁數：208
人民幣：RMB 37 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書將演算法與工程實踐相結合，旨在為深度學習和機器學習領域的初學者和實踐者提供初步的指導。書中通過理論與實踐相結合的方式，介紹了深度學習的基礎知識和相關實踐，有助於讀者深入理解深度學習技術，並能夠將其應用到自己的項目與研究中。
    全書共8章，分為深度學習基本原理和深度學習在工業缺陷檢測中的實踐兩部分，內容包括深度學習基礎知識、卷積神經網路、圖像處理基礎、圖像數據生成（以DCGAN圖像生成實踐為例）、圖像分類（以AlexNet圖像分類實踐為例）、目標檢測（以晶圓表面缺陷檢測為例）和語義分割（以自然遙感檢測為例）。
    本書適合作為高等院校人工智慧相關專業的教材，也適合作為深度學習、機器學習相關領域的學習者的參考書。
作者介紹
編者:李萬清|責編:張存//陳婷
目錄
第一部分  深度學習基本原理
  第1章  緒論
    1.1  人工智慧、機器學習和深度學習的關係
    1.2  深度學習
      1.2.1  深度學習的背景和發展
      1.2.2  深度學習的基本原理
      1.2.3  深度學習的實踐
      1.2.4  深度學習的應用領域
    1.3  本書的目標和結構
  第2章  深度學習基礎知識
    2.1  線性模型
      2.1.1  回歸問題
      2.1.2  分類問題
    2.2  前向傳播
    2.3  反向傳播
    2.4  損失函數
      2.4.1  損失函數的概念
      2.4.2  損失函數的作用
      2.4.3  常見的損失函數
    2.5  梯度下降
      2.5.1  梯度的概念
      2.5.2  梯度下降的含義
      2.5.3  梯度下降法的一般過程
      2.5.4  梯度下降法的優缺點
      2.5.5  常見的梯度下降法
      2.5.6  梯度下降優化演算法
    2.6  學習率
      2.6.1  學習率的概念
      2.6.2  學習率衰減方法
    2.7  激活函數
      2.7.1  激活函數的概念
      2.7.2  常見的激活函數
    2.8  擬合問題及其策略
    2.9  正則化
      2.9.1  正則化的概念
      2.9.2  權重衰退
      2.9.3  提前停止
      2.9.4  Dropout正則化
    2.10  模型的容量、表示容量和有效容量
    2.11  超參數
      2.11.1  超參數的種類
      2.11.2  超參數怎樣影響模型性能
      2.11.3  超參數調優的作用
      2.11.4  如何尋找超參數的最優值
    2.12  歸一化
      2.12.1  歸一化的概念
      2.12.2  歸一化的目的
      2.12.3  常用的歸一化方法
    2.13  模型參數初始化
      2.13.1  參數初始化

      2.13.2  全零初始化
      2.13.3  隨機初始化
      2.13.4  Xavier初始化
    2.14  模型評估
  第3章  卷積神經網路
    3.1  卷積神經網路概述
      3.1.1  深度學習中的卷積神經網路
      3.1.2  基於卷積神經網路的圖像處理
    3.2  卷積神經網路的基本結構
      3.2.1  輸入層
      3.2.2  卷積層
      3.2.3  池化層
      3.2.4  全連接層
      3.2.5  輸出層
    3.3  卷積的變種
      3.3.1  分組卷積
      3.3.2  轉置卷積
      3.3.3  空洞卷積
    3.4  1×1卷積的作用
    3.5  卷積核是否越大越好
    3.6  卷積神經網路的特性
      3.6.1  局部連接
      3.6.2  權重共享
第二部分  深度學習在工業缺陷檢測中的實踐
  第4章  圖像處理基礎
    4.1  OpenCV入門
    4.2  圖像的輸入、顯示和保存
      4.2.1  圖像的輸入
      4.2.2  圖像的顯示
      4.2.3  圖像的保存
    4.3  圖像的運算
      4.3.1  圖像加法
      4.3.2  圖像混合
    4.4  圖像的幾何變換
      4.4.1  圖像的平移
      4.4.2  圖像的縮放
      4.4.3  圖像的旋轉
    4.5  圖像的形態學處理
      4.5.1  圖像灰度化
      4.5.2  圖像二值化
      4.5.3  圖像腐蝕
      4.5.4  圖像膨脹
      4.5.5  開運算
      4.5.6  閉運算
      4.5.7  梯度運算
      4.5.8  禮帽運算
      4.5.9  黑帽運算
    4.6  圖像平滑處理
      4.6.1  均值濾波
      4.6.2  方框濾波

      4.6.3  高斯濾波
      4.6.4  中值濾波
    4.7  實例——晶元外觀參數的測量
  第5章  圖像數據生成（以DCGAN圖像生成實踐為例）
    5.1  DCGAN概述
    5.2  生成網路與判別網路
      5.2.1  生成網路概述
      5.2.2  判別網路概述
    5.3  使用DCGAN實現圖像數據生成
      5.3.1  數據集簡介
      5.3.2  數據載入
      5.3.3  構建模型
      5.3.4  訓練模型
      5.3.5  驗證模型
  第6章  圖像分類（以AlexNet網路圖像分類實踐為例）
    6.1  AlexNet網路
      6.1.1  AlexNet網路概述
      6.1.2  各層參數詳解
    6.2  使用AlexNet網路實現圖像分類
      6.2.1  數據集簡介
      6.2.2  數據載入
      6.2.3  構建模型
      6.2.4  訓練模型
      6.2.5  驗證模型
      6.2.6  預測模型
  第7章  目標檢測（以晶圓表面缺陷檢測為例）
    7.1  目標檢測任務
    7.2  YOLO網路
      7.2.1  YOLOv5概述
      7.2.2  YOLOv5網路結構
      7.2.3  YOLOv5各層參數詳解
    7.3  使用YOLO實現缺陷目標檢測
      7.3.1  構建數據集
      7.3.2  數據載入
      7.3.3  數據增強
      7.3.4  構建模型
      7.3.5  訓練模型
      7.3.6  驗證模型
  第8章  語義分割（以自然遙感檢測為例）
    8.1  語義分割任務
    8.2  UNet網路
      8.2.1  UNet網路概述
      8.2.2  ResNet網路結構
      8.2.3  UNet網路結構
      8.2.4  UNet各層參數詳解
    8.3  使用UNet實現遙感圖像檢測
      8.3.1  數據載入
      8.3.2  構建模型
      8.3.3  訓練模型
      8.3.4  預測模型

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