深度學習之圖像識別:核心技術與案例實戰
言有三 著
- 出版商: 機械工業
- 出版日期: 2019-04-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- ISBN: 7111624726
- ISBN-13: 9787111624721
-
相關分類:
DeepLearning
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$403深入理解機器學習:從原理到算法 (Understanding Machine Learning : From Theory to Algorithms)
-
$594$564 -
$420$328 -
$352Hadoop+Spark大數據技術(微課版)
-
$857Kubernetes 權威指南:從 Docker 到 Kubernetes 實踐全接觸, 4/e
-
$650$514 -
$327Python算法詳解
-
$611深度學習與圖像識別:原理與實踐
-
$352昇騰AI處理器架構與編程 — 深入理解 CANN 技術原理及應用
-
$560$442 -
$594$564 -
$236數字圖像處理與 Python 實現
-
$480$379 -
$580$458 -
$343深度學習之模型設計:核心算法與案例實踐
-
$505百面深度學習 : 算法工程師帶你去面試
-
$301Python 元學習 : 通用人工智能的實現 (Hands-On Meta Learning with Python: Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow)
-
$454Python 圖像處理實戰 (Hands-On Image Processing with Python: Expert techniques for advanced image analysis and effective interpretation of image data)
-
$607深度學習之人臉圖像處理:核心算法與案例實戰
-
$301大數據技術(微課版)
-
$750$593 -
$580$452 -
$556機器學習提升法 理論與算法
-
$658Python無監督機器學習最佳實踐
-
$1,000$790
相關主題
商品描述
本書全面介紹了深度學習在圖像處理領域中的核心技術與應用。書中不但重視基礎理論的講解,而且從第4章開始的每章都提供了一到兩個不同難度的案例供讀者實踐,讀者可以在已有代碼的基礎上進行修改和改進,從而加深對所學知識的理解。
本書共10章,首先從深度學習的基礎概念開始,介紹了神經網絡的基礎知識和深度學習中的優化技術;然後系統地介紹了深度學習中與數據相關的知識,包括經典數據集的設計、數據集的增強以及數據的獲取與整理;接著重點針對圖像開發領域,用3章內容系統地介紹了深度學習在圖像分類、圖像分割和目標檢測3個領域的核心技術與應用,這些內容的講解均結合實戰案例展開;另外,還對深度學習中損失函數的發展、數據和模型的可視化以及模型的壓縮和優化進行了詳細介紹,為讀者設計和訓練更加實用的模型提供了指導;最後以微信小程序平臺為依托,介紹了微信小程序前後端開發技術,完成了深度學習的模型部署,讓本書的內容形成了一個完整的閉環。
本書理論與實踐結合,深度與廣度兼具,特別適合深度學習領域的相關技術人員與愛好者閱讀,尤其適合基於深度學習的圖像從業人員閱讀,以全方位瞭解深度學習在圖像領域中的技術全貌。另外,本書還適合作為相關培訓機構的深度學習教材使用。
如何使用好數據?
深度學習的核心優化技術有哪些?
如何做好圖像分類任務?
如何做好圖像分割任務?
如何做好目標檢測任務?
如何對數據和模型進行可視化分析?
如何壓縮和優化一個工業級深度學習模型?
如何理解分類和回歸等任務的損失函數?
如何在微信小程序上部署模型?
……
通過閱讀本書,你將瞭解這些復雜問題背後的原理,甚至你都可以自己解決這些問題。
本書核心知識
理論基礎
神經網絡與捲積神經網絡基礎
捲積神經網絡核心理論技術
開源框架簡介
圖像識別核心知識
數據集的發展與使用
數據和模型可視化
模型壓縮與優化
損失函數
圖像分類
圖像分割
目標檢測
八大經典案例
人臉表情分類
鳥類細粒度分類
人臉屬性分割
人像分割
貓臉檢測
TensorFlow可視化應用
MobileNet語義分割模型壓縮
微信小程序部署
本書共10章,首先從深度學習的基礎概念開始,介紹了神經網絡的基礎知識和深度學習中的優化技術;然後系統地介紹了深度學習中與數據相關的知識,包括經典數據集的設計、數據集的增強以及數據的獲取與整理;接著重點針對圖像開發領域,用3章內容系統地介紹了深度學習在圖像分類、圖像分割和目標檢測3個領域的核心技術與應用,這些內容的講解均結合實戰案例展開;另外,還對深度學習中損失函數的發展、數據和模型的可視化以及模型的壓縮和優化進行了詳細介紹,為讀者設計和訓練更加實用的模型提供了指導;最後以微信小程序平臺為依托,介紹了微信小程序前後端開發技術,完成了深度學習的模型部署,讓本書的內容形成了一個完整的閉環。
本書理論與實踐結合,深度與廣度兼具,特別適合深度學習領域的相關技術人員與愛好者閱讀,尤其適合基於深度學習的圖像從業人員閱讀,以全方位瞭解深度學習在圖像領域中的技術全貌。另外,本書還適合作為相關培訓機構的深度學習教材使用。
如何使用好數據?
深度學習的核心優化技術有哪些?
如何做好圖像分類任務?
如何做好圖像分割任務?
如何做好目標檢測任務?
如何對數據和模型進行可視化分析?
如何壓縮和優化一個工業級深度學習模型?
如何理解分類和回歸等任務的損失函數?
如何在微信小程序上部署模型?
……
通過閱讀本書,你將瞭解這些復雜問題背後的原理,甚至你都可以自己解決這些問題。
本書核心知識
理論基礎
神經網絡與捲積神經網絡基礎
捲積神經網絡核心理論技術
開源框架簡介
圖像識別核心知識
數據集的發展與使用
數據和模型可視化
模型壓縮與優化
損失函數
圖像分類
圖像分割
目標檢測
八大經典案例
人臉表情分類
鳥類細粒度分類
人臉屬性分割
人像分割
貓臉檢測
TensorFlow可視化應用
MobileNet語義分割模型壓縮
微信小程序部署