- PyTorch深度学习之目标检测/人工智能技术丛书
- - 作者：编者:赵凯月//刘衍琦|责编:杨静华
  - 出版社：中国水利水电
  - ISBN：9787522602653
  - 出版日期：2022/11/01
  - 页数：308
- 售价：35.92

内容大纲
    《PyTorch深度学习之目标检测》首先从人工智能产业的发展史和机器“眼中”的图像世界开始讲述，逐步引导读者进入机器学习的图像处理当中；然后讲解深度学习中实现目标检测的主要算法，和以PyTorch框架为基础构建的神经网络；最后的实战部分详细讲解了如何使用目标检测算法实现具体项目。
    全书共10章，涵盖内容包括：人工智能的历史和发展前景、深度学习的基础知识、卷积神经网络基础知识、PyTorch基础、目标检测算法、单阶段目标检测算法、双阶段目标检测算法、神经网络示例、污损遮挡号牌识别实战和地形目标识别实战。
    本书内容丰富、实用性强，适合目标检测方向的入门读者和进阶读者阅读，也适合在校学生、图像方向的算法工程师和其他编程爱好者阅读，还适合作为相关培训机构的教材使用。
作者介绍
目录
第1章  人工智能的历史及发展前景
  1.1  人工智能的诞生
    1.1.1  什么是人工智能
    1.1.2  AI发展简史
  1.2  计算机视觉基础
    1.2.1  机器“眼中”的图像世界
    1.2.2  传统的图像处理方法
  1.3  深度学习的应用场景
    1.3.1  图像分类
    1.3.2  图像检测
    1.3.3  图像分割
    1.3.4  图像描述
    1.3.5  图像问答
    1.3.6  图像生成
  1.4  小结
第2章  深度学习基础知识
  2.1  神经网络实现方法
    2.1.1  前向传播算法
    2.1.2  反向传播算法
  2.2  自动梯度
    2.2.1  局部最优解与鞍点
    2.2.2  最优解的判别
    2.2.3  局部最优解与鞍点的解决办法
    2.2.4  梯度爆炸与梯度消失
  2.3  参数更新
    2.3.1  激活函数
    2.3.2  优化器
    2.3.3  损失函数
  2.4  小结
第3章  卷积神经网络基础
  3.1  常用卷积层操作合集
    3.1.1  卷积原理
    3.1.2  标准卷积
    3.1.3  深度卷积
    3.1.4  分组卷积
    3.1.5  空洞卷积
  3.2  可变形卷积
    3.2.1  可变形卷积原理
    3.2.2  可变形卷积结构
  3.3  目标分割之反卷积
    3.3.1  反卷积数学理论的推导
    3.3.2  反卷积在全卷积神经网络中的应用
  3.4  池化层操作合集
    3.4.1  特征扩充之上采样
    3.4.2  特征提取之下采样
  3.5  全连接层操作
    3.5.1  原理概述
    3.5.2  全连接层之间的连接
  3.6  数据归一化
    3.6.1  什么是数据归一化

    3.6.2  Batch Normalization
    3.6.3  Layer Normalization
    3.6.4  Instance Normalization
    3.6.5  Group Normalization
    3.6.6  Switchable Normalization
  3.7  防过拟合操作
……
第4章  PyTorch基础
第5章  目标检测算法
第6章  单阶段目标检测
第7章  双阶段目标检测
第8章  神经网络示例
第9章  污损遮挡号牌识别实战
第10章  地形目标识别实战

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目