- 深度学习之图像识别(核心算法与实战案例全彩版)
- - 作者：言有三|责编:王中英
  - 出版社：清华大学
  - ISBN：9787302635277
  - 出版日期：2023/07/01
  - 页数：382
- 售价：63.6

内容大纲
    本书全面介绍了深度学习在图像识别领域中的核心算法与应用。该书不但重视基础理论的讲解，而且从第4章开始，每章都提供了1～3个不同难度的案例供读者实践，读者可以在已有代码的基础上进行改进，从而加深对所学知识的理解。
    本书共9章：首先介绍深度学习的基础概念，包括神经网络基础知识和深度学习中的优化技术；然后系统介绍深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强，以及数据的获取、整理与可视化；接着重点针对图像识别领域，结合实战案例系统地介绍深度学习在图像分类、图像分割和目标检测3个领域的核心技术与应用；另外，还会对深度学习模型的可视化以及模型的压缩和优化进行详细介绍，为读者设计和训练更加实用的模型提供指导；最后以微信小程序平台为依托，介绍微信小程序前后端开发技术，从而完成深度学习模型的部署。
    本书理论结合实践，广度兼具深度，非常适合深度学习领域的相关技术人员与爱好者阅读，尤其适合基于深度学习的计算机视觉从业人员阅读，可以帮助他们全方位了解深度学习在计算机视觉领域的技术全貌。另外，该书还适合作为高校人工智能相关专业的教材和社会培训机构相关课程的教材。
作者介绍
言有三，真名龙鹏。2012年本科毕业于华中科技大学，后保研至中国科学院并于2015年毕业。先后在奇虎360人工智能研究院和陌陌深度学习实验室从事与计算机视觉相关的工作，积累了丰富的传统图像处理算法和深度学习项目实战经验。运营微信公众号“有三AI”，内容覆盖深度学习的理论、实战经验、开源框架、模型架构，以及深度学习在各应用领域的技术分析，还提供国内外AI研究院的核心技术报导及AI工程师成长路线的完整规划。在知乎上开设专栏《有三AI学院》和其他子方向专栏。在GitChat和网易云课堂上开设若干图文和视频课程。
目录
第1章  神经网络与卷积神经网络基础
  1.1  神经网络的生物基础与数学模型
    1.1.1  神经元
    1.1.2  感知机
    1.1.3  多层感知机与反向传播算法
  1.2  卷积神经网络基础
    1.2.1  卷积的概念
    1.2.2  卷积神经网络的基本概念
    1.2.3  卷积神经网络的基本结构
  1.3  总结
  参考文献
第2章  深度学习优化基础
  2.1  激活函数
    2.1.1  S型函数
    2.1.2  ReLU函数
  2.2  参数初始化
    2.2.1  简单初始化
    2.2.2  标准初始化
    2.2.3  Xavier与MSRA初始化
    2.2.4  初始化方法的使用
  2.3  标准化方法
    2.3.1  什么是标准化
    2.3.2  批次标准化
    2.3.3  层标准化
    2.3.4  实例标准化
    2.3.5  组标准化
    2.3.6  权重标准化
    2.3.7  标准化方法的自动搜索
    2.3.8  标准化的有效性问题
  2.4  学习率与最优化
    2.4.1  学习率策略
    2.4.2  梯度下降法与动量法
    2.4.3  Adagrad算法
    2.4.4  Adadelta与RMSprop算法
    2.4.5  Adam算法
    2.4.6  牛顿法、拟牛顿法与共轭梯度法
  2.5  正则化方法与泛化
    2.5.1  过拟合与欠拟合
    2.5.2  参数正则化
    2.5.3  提前停止
    2.5.4  模型集成
    2.5.5  训练样本扩充
  2.6  深度学习主流开源框架
    2.6.1  Caffe简介
    2.6.2  TensorFlow简介
    2.6.3  PyTorch简介
    2.6.4  Theano简介
    2.6.5  Keras简介
    2.6.6  MXNet简介
    2.6.7  Chainer简介

  2.7  总结
  参考文献
第3章  深度学习中的数据使用方法
  3.1  深度学习通用数据集的发展
    3.1.1  MNIST数据集
    3.1.2  CIFAR10和CIFAR100数据集
    3.1.3  PASCAL数据集
    3.1.4  ImageNet数据集
    3.1.5  Microsoft COCO数据集
  3.2  常见计算机视觉任务数据集
    3.2.1  人脸数据集
    3.2.2  自动驾驶数据集
    3.2.3  医学数据集
  3.3  数据收集、清洗与整理
    3.3.1  数据收集
    3.3.2  数据清洗与整理
  3.4  数据标注
    3.4.1  数据标注类型
    3.4.2  数据标注方法
  3.5  数据增强
    3.5.1  单样本图像处理数据增强
    3.5.2  多样本图像处理数据增强
……
第4章  图像分类
第5章  目标检测
第6章  图像分割
第7章  模型可视化
第8章  模型压缩
第9章  模型部署与上线

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目