图书介绍
深度学习实践 计算机视觉PDF|Epub|txt|kindle电子书版本网盘下载
- 缪鹏著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302517900
- 出版时间：2019
- 标注页数：249页
- 文件大小：26MB
- 文件页数：260页
- 主题词：计算机视觉
PDF下载
下载说明
深度学习实践 计算机视觉PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 深度学习与计算机视觉1
1.1图像基础3
1.2深度学习与神经网络基础4
1.2.1函数的简单表达5
1.2.2函数的矩阵表达5
1.2.3神经网络的线性变换6
1.2.4神经网络的非线性变换6
1.2.5深层神经网络6
1.2.6神经网络的学习过程8
1.3卷积神经网络CNN9
1.4基础开发环境搭建14
1.5本章总结15
第2章 OpenCV入门16
2.1读图、展示和保存新图17
2.2像素点及局部图像18
2.3基本线条操作19
2.4平移20
2.5旋转20
2.6缩放21
2.6.1邻近插值22
2.6.2双线性插值22
2.7翻转23
2.8裁剪23
2.9算术操作23
2.10位操作24
2.11 Masking操作25
2.12色彩通道分离与融合26
2.13颜色空间转换27
2.14颜色直方图28
2.15平滑与模糊29
2.16边缘检测31
2.17人脸和眼睛检测示例32
2.18本章总结35
第3章 常见深度学习框架36
3.1 PyTorch38
3.1.1 Tensor39
3.1.2 Autograd42
3.1.3 Torch.nn43
3.2 Chainer45
3.2.1 Variable46
3.2.2 Link与Function47
3.2.3 Chain50
3.2.4 optimizers51
3.2.5损失函数51
3.2.6 GPU的使用52
3.2.7模型的保存与加载54
3.2.8 FashionMnist图像分类示例54
3.2.9 Tramer59
3.3 TensorFlow与Keras66
3.3.1 TensorFlow66
3.3.2 Keras67
3.4 MXNet与Gluon73
3.4.1 MXNet73
3.4.2 Gluon74
3.4.3 Gluon Sequential74
3.4.4 Gluon Block75
3.4.5使用GPU76
3.4.6 Gluon Hybrid77
3.4.7 Lazy Evaluation79
3.4.8 Module80
3.5其他框架81
3.6本章总结81
第4章 图像分类82
4.1 VGG84
4.1.1 VGG介绍84
4.1.2 MXNet版VGG使用示例85
4.2 ResNet89
4.2.1 ResNet介绍89
4.2.2 Chainer版ResNet示例90
4.3 Inception95
4.3.1 Inception介绍95
4.3.2 Keras版Inception V3川菜分类97
4.4 Xception116
4.4.1 Xception简述116
4.4.2 Keras版本Xception使用示例116
4.5 DenseNet122
4.5.1 DenseNet介绍122
4.5.2 PyTorch版DenseNet使用示例122
4.6本章总结126
第5章 目标检测与识别128
5.1 Faster RCNN129
5.1.1 Faster RCNN介绍129
5.1.2 ChainerCV版Faster RCNN示例131
5.2 SSD139
5.2.1 SSD介绍139
5.2.2 SSD示例140
5.3 YOLO148
5.3.1 YOLO V1、V2和V3介绍148
5.3.2 Keras版本YOLO V3示例150
5.4本章总结157
第6章 图像分割158
6.1物体分割159
6.2语义分割164
6.2.1 FCN与SegNet166
6.2.2 PSPNet171
6.2.3 DeepLab172
6.3实例分割176
6.3.1 FCIS177
6.3.2 Mask R-CNN178
6.3.3 MaskLab180
6.3.4 PANet181
6.4本章总结181
第7章 图像搜索183
7.1 Siamese Network185
7.2 Triplet Network186
7.3 Margin Based Network188
7.4 Keras版Triplet Network示例190
7.4.1准备数据190
7.4.2训练文件191
7.4.3采样文件195
7.4.4模型训练202
7.4.5模型测试206
7.4.5结果可视化210
7.5本章小结216
第8章 图像生成218
8.1 VAE219
8.1.1 VAE介绍219
8.1.2 Chainer版本VAE示例220
8.2生成对抗网络GAN221
8.2.1 GAN介绍221
8.2.2 Chainer DCGAN RPG游戏角色生成示例229
8.3 Neural Style Transfer238
8.3.1 Neural Style Transfer介绍238
8.3.2 MXNet多风格转换MSG-Net示例241
8.4本章总结246
后记247