扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
JAVA持续交付
-
>
EXCEL最强教科书(完全版)(全彩印刷)
-
>
深度学习
深度学习与计算机视觉 版权信息
- ISBN:9787561280058
- 条形码:9787561280058 ; 978-7-5612-8005-8
- 装帧:暂无
- 册数:暂无
- 重量:暂无
- 所属分类:>
深度学习与计算机视觉 内容简介
本教材主要内容包括计算机视觉历史回顾与介绍、数据驱动的图像分类方式:K*近邻与线性分类器、线性分类器损失函数与*优化、反向传播与神经网络、神经网络的训练、卷积神经网络、迁移学习之物体定位与检测、卷积神经网络的可视化与进一步理解、卷积神经网络工程实践技巧、深度学习开源库使用介绍、图像分割与注意力模型、视频检测与无监督学习等。本书适合高等学校图像处理、模式识别、机器视觉、人工智能相关专业本科高年级学生和研究生使用,也可作为相关专业领域科研工作者参考书。
深度学习与计算机视觉 目录
第1章 绪论
1.1 什么是深度学习
1.2 深度学习的起源和历史
1.3 深度学习的发展
1.4 什么是计算机视觉
1.5 计算机视觉发展
1.6 深度学习在计算机视觉领域的研究现状
第2章 深度学习的框架
2.1 Theano框架
2.2 TensorFlow框架
2.3 Keras框架
2.4 PyTorch框架
2.5 Caffe/Caffe2框架
2.6 MXNet框架
2.7 CNTK框架
第3章 深度学习计算机视觉的基础
3.1 线性分类
3.2 优化
3.3 反向传播
3.4 神经网络
3.5 卷积神经网络
3.6 生成模型
3.7 循环神经网络
第4章 深度学习在计算机视觉方面的应用
4.1 深度学习在计算机视觉方面的应用框架介绍
4.2 目标检测识别
4.3 图像检索
4.4 图像修复
4.5 图像分割
第5章 深度学习实战
5.1 实验环境安装与配置
5.2 任务实战
参考文献
1.1 什么是深度学习
1.2 深度学习的起源和历史
1.3 深度学习的发展
1.4 什么是计算机视觉
1.5 计算机视觉发展
1.6 深度学习在计算机视觉领域的研究现状
第2章 深度学习的框架
2.1 Theano框架
2.2 TensorFlow框架
2.3 Keras框架
2.4 PyTorch框架
2.5 Caffe/Caffe2框架
2.6 MXNet框架
2.7 CNTK框架
第3章 深度学习计算机视觉的基础
3.1 线性分类
3.2 优化
3.3 反向传播
3.4 神经网络
3.5 卷积神经网络
3.6 生成模型
3.7 循环神经网络
第4章 深度学习在计算机视觉方面的应用
4.1 深度学习在计算机视觉方面的应用框架介绍
4.2 目标检测识别
4.3 图像检索
4.4 图像修复
4.5 图像分割
第5章 深度学习实战
5.1 实验环境安装与配置
5.2 任务实战
参考文献
展开全部
深度学习与计算机视觉 作者简介
李晖晖,女,1974年生, 2006年在西北工业大学自动化学院模式识别与智能系统专业获得工学博士学位,现为西北工业大学自动化学院副教授。主要从事图像处理、模式识别、机器视觉、人工智能等方向的研究。 刘航,男,1973年生, 博士,现为西北工业大学自动化学院副教授。主要从事网络协议设计与优化、无线感知、网络安全等方向的研究。
书友推荐
本类畅销
-
大模型应用开发极简入门 基于GPT-4和ChatGPT
¥41.9¥59.8 -
人工智能 现代方法 第4版(全2册)
¥120.8¥198 -
计算机视觉:算法与应用
¥95.9¥139 -
必然(修订版)
¥53.5¥89 -
GPT时代人类再腾飞
¥54.9¥89.9 -
生成式人工智能(AIGC)应用
¥64.9¥90