- 深度学习与图像处理实战(人工智能技术工业和信息化精品系列教材)
- - 作者：编者:罗颖//赖国明|责编:赵亮
  - 出版社：人民邮电
  - ISBN：9787115594808
  - 出版日期：2022/08/01
  - 页数：156
- 售价：15.92

内容大纲
本书介绍了深度学习的历史、学习深度学习模型所需要的数学基础、深度学习模型的基本组成和常用深度学习模型的应用。本书共12章，第1～5章介绍深度学习基础、深度学习环境的安装与使用、神经网络的数学基础、搭建一个简单的神经网络、模型评估及模型调优等，第6～12章介绍VGG网络实现猫狗识别、ResNet实现手势识别、搭建MobileNet实现电表编码区域检测、FCN实现斑马线分割、基于U-Net的工业缺陷检测、GAN图像生成、ACGAN生成带标签图片等多个综合实例，通过在实践中融入理论，帮助读者掌握深度学习的概念和应用开发。
本书可以作为高职高专院校人工智能相关专业的教材，也可以作为人工智能领域相关培训教材，并适合想入门深度学习的人员和广大人工智能爱好者自学使用。
作者介绍
目录
第1章  深度学习基础
  1.1  深度学习的定义
  1.2  深度学习的特点
  1.3  深度学习的历史
    1.3.1  深度学习的起源
    1.3.2  深度学习的发展
    1.3.3  深度学习的爆发
  1.4  深度神经网络概述
    1.4.1  VGGNet
    1.4.2  GoogLeNet
    1.4.3  ResNet
    1.4.4  FCN
    1.4.5  U-Net
    1.4.6  Mask R-CNN
    1.4.7  YOLO
  1.5  深度学习的应用
    1.5.1  图像领域
    1.5.2  声音领域
    1.5.3  文本领域
  1.6  深度学习的未来趋势
  本章小结
第2章  深度学习环境的安装与使用
  2.1  Anaconda的安装与使用
    2.1.1  Anaconda简介
    2.1.2  Anaconda的安装
    2.1.3  conda简介
  2.2  TensorFlow环境搭建与使用
    2.2.1  安装TensorFlow CPU版本
    2.2.2  安装TensorFlow GPU版本
    2.2.3  PyCharm的安装
    2.2.4  PyCharm的使用
    2.2.5  TensorFlow的使用
  2.3  Keras简介与使用
    2.3.1  Keras的意义
    2.3.2  Keras的设计原则
    2.3.3  Keras的工作方式
    2.3.4  Keras快速上手
    2.3.5  Keras简单实例
  本章小结
第3章  神经网络的数学基础
  3.1  矩阵
    3.1.1  矩阵定义
    3.1.2  矩阵加法
    3.1.3  矩阵乘法
    3.1.4  矩阵的转置
    3.1.5  矩阵的逆
  3.2  随机变量及概率分布
    3.2.1  随机变量定义
    3.2.2  离散型随机变量的概率分布
    3.2.3  连续型随机变量及其概率密度函数

  本章小结
第4章  搭建一个简单的神经网络
  4.1  卷积神经网络的组成
    4.1.1  卷积层
    4.1.2  池化层
    4.1.3  激活函数
    4.1.4  全连接层
    4.1.5  损失函数
  4.2  实例——手写数字识别神经网络搭建
    4.2.1  MNIST手写数字数据集简介
    4.2.2  MNIST手写数字识别神经网络搭建
  本章小结
第5章  模型评估及模型调优
  5.1  评估指标
    5.1.1  准确率
    5.1.2  查准率
    5.1.3  召回率
    5.1.4  F1值
    5.1.5  ROC与AUC
  5.2  数据集处理
    5.2.1  数据集划分
    5.2.2  数据增强
  5.3  模型调优
    5.3.1  回调函数
    5.3.2  超参数调整
    5.3.3  模型结构调整
  本章小结
第6章  VGG网络实现猫狗识别
  6.1  VGG网络介绍
  6.2  数据集介绍及处理
  6.3  主干网络搭建与训练
  6.4  模型训练结果测试
  本章小结
第7章  ResNet实现手势识别
  7.1  ResNet介绍
  7.2  数据集介绍及处理
  7.3  主干网络搭建并训练
  7.4  模型训练结果测试
  本章小结
第8章  搭建MobileNet实现电表编码区域检测
  8.1  目标检测基础及YOLO网络介绍
    8.1.1  目标检测基础
    8.1.2  YOLO算法
    8.1.3  下载YOLOv3源码
  8.2  数据集介绍及处理
  8.3  主干网络搭建与训练
  8.4  模型结构修改
    8.4.1  MobileNet简介
    8.4.2  MobileNet搭建
    8.4.3  网络模型替换

  8.5  模型训练结果测试
  本章小结
第9章  FCN实现斑马线分割
  9.1  FCN简介
  9.2  数据集介绍及处理
  9.3  主干网络搭建与训练
  9.4  模型训练结果测试
  本章小结
第10章  基于U-Net的工业缺陷检测
  10.1  U-Net简介
  10.2  数据集介绍及处理
  10.3  主干网络搭建与训练
  10.4  模型训练结果测试
  本章小结
第11章  DCGAN图像生成
  11.1  GAN简介
  11.2  数据集介绍及处理
  11.3  主干网络搭建与训练
  11.4  模型训练结果
  本章小结
第12章  ACGAN生成带标签图片
  12.1  ACGAN简介
  12.2  数据集介绍及处理
  12.3  主干网络搭建与训练
  12.4  模型训练结果测试
  本章小结

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目