卷積神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)簡(jiǎn)介，目錄書(shū)摘
2020-12-11 14:04
來(lái)源：京東
作者：京東
卷積神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)
暫無(wú)報價(jià)
1.2萬(wàn)+評論
99%好評
編輯推薦:本書(shū)從零基礎開(kāi)始，系統闡述卷積神經(jīng)網(wǎng)絡(luò )理論基礎及其實(shí)踐應用，可以幫助初學(xué)者快速學(xué)習和構建深度學(xué)習系統。書(shū)中還提供了豐富的理論知識和實(shí)操案例，以及一系列完備的工具包，以幫助初學(xué)者獲得在理解和構建卷積神經(jīng)網(wǎng)絡(luò )（CNN）時(shí)所必要的基本信息。本書(shū)的重點(diǎn)將集中在卷積神經(jīng)網(wǎng)絡(luò )的基礎部分，而不會(huì )涉及在高級課程中才出現的一些概念（CNN相關(guān)話(huà)題）。對于那些想要學(xué)習或構建深度視覺(jué)系統的工程師或學(xué)生們來(lái)說(shuō)，這本書(shū)會(huì )是一本非常好的入門(mén)讀物，可以幫助他們快速地進(jìn)入這個(gè)領(lǐng)域。
內容簡(jiǎn)介: 《卷積神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)》覆蓋內容主要包括設計和開(kāi)發(fā)卷積神經(jīng)網(wǎng)絡(luò )架構的一些基本知識。對于那些想要學(xué)習或構建深度視覺(jué)系統的工程師或學(xué)生來(lái)說(shuō)，這《卷積神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)》會(huì )是一本非常好的入門(mén)讀物，可以幫助他們快速地進(jìn)入這個(gè)領(lǐng)域?！毒矸e神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)》還提供了豐富的理論知識和實(shí)操案例，以及一系列完備的工具包，以幫助初學(xué)者獲得在理解和構建卷積神經(jīng)網(wǎng)絡(luò )（CNN）時(shí)所必要的基本信息?！毒矸e神經(jīng)網(wǎng)絡(luò )與視覺(jué)計算/智能科學(xué)與技術(shù)叢書(shū)》的重點(diǎn)將集中在卷積神經(jīng)網(wǎng)絡(luò )的基礎部分，而不會(huì )涉及在高級課程中才出現的一些概念（CNN相關(guān)話(huà)題）。
作者簡(jiǎn)介:拉加夫;維凱特森（Ragav Venkatesan）他是ASU的視覺(jué)表示和處理小組的一名研究助理，曾在機器學(xué)習、模式識別、視頻處理和計算機視覺(jué)等多個(gè)研究生課程中擔任助教。他是機器學(xué)習和計算機視覺(jué)領(lǐng)域的幾個(gè)期刊的同行評審和會(huì )議審稿人。
李寶新（Baoxin Li）
目前是亞利桑那州立大學(xué)計算機科學(xué)與工程專(zhuān)業(yè)的教授和主任。從2000年到2004年，他任美國夏普實(shí)驗室的高級研究員，領(lǐng)導研發(fā)夏普的HiMPACT體育技術(shù)。他還曾是俄勒岡州波特蘭州立大學(xué)的副教授。他擁有18項美國專(zhuān)利，目前的研究興趣包括計算機視覺(jué)和模式識別、多媒體、社會(huì )計算、機器學(xué)習和輔助技術(shù)。2001年和2004年，他獲得夏普實(shí)驗室總裁獎。2002年，他獲得了夏普實(shí)驗室年度發(fā)明者獎，還曾獲得國家自然科學(xué)基金會(huì )職業(yè)獎。
李寶新（Baoxin Li）
目前是亞利桑那州立大學(xué)計算機科學(xué)與工程專(zhuān)業(yè)的教授和主任。從2000年到2004年，他任美國夏普實(shí)驗室的高級研究員，領(lǐng)導研發(fā)夏普的HiMPACT體育技術(shù)。他還曾是俄勒岡州波特蘭州立大學(xué)的副教授。他擁有18項美國專(zhuān)利，目前的研究興趣包括計算機視覺(jué)和模式識別、多媒體、社會(huì )計算、機器學(xué)習和輔助技術(shù)。2001年和2004年，他獲得夏普實(shí)驗室總裁獎。2002年，他獲得了夏普實(shí)驗室年度發(fā)明者獎，還曾獲得國家自然科學(xué)基金會(huì )職業(yè)獎。
目錄:譯者序
作者簡(jiǎn)介
前言
致謝
第1章視覺(jué)計算簡(jiǎn)介
1.1圖像表示基礎
1.1.1變換域表示
1.1.2圖像的直方圖
1.1.3圖像梯度和邊緣
1.1.4超越圖像梯度
1.2基于Hough變換的直線(xiàn)檢測
1.3Harris角點(diǎn)
1.4尺度不變的特征變換
1.5方向梯度直方圖
1.5.1人工設計特征空間中的決策制定
1.5.2貝葉斯決策
1.5.3線(xiàn)性決策邊界
1.6可變形零件模型的實(shí)例研究
1.7計算機視覺(jué)向神經(jīng)網(wǎng)絡(luò )轉變
本章小結
參考文獻
第2章回歸問(wèn)題中的機器學(xué)習
2.1監督學(xué)習
2.2線(xiàn)性模型
2.3最小二乘法
2.4極大似然估計的解釋
2.5擴展到非線(xiàn)性模型
2.6正則化
2.7交叉驗證
2.8梯度下降
2.9幾何正則化
2.10非凸誤差面
2.11隨機梯度、批梯度及在線(xiàn)梯度下降
2.12其他自適應學(xué)習率的更新規則
2.13動(dòng)量
本章小結
參考文獻
第3章 人工神經(jīng)網(wǎng)絡(luò )
3.1感知器
3.2多層神經(jīng)網(wǎng)絡(luò )
3.3反向傳播算法
3.4改進(jìn)的反向傳播算法
3.4.1激活函數
3.4.2權重剪枝
3.4.3批量標準化
本章小結
參考文獻
第4章卷積神經(jīng)網(wǎng)絡(luò )
4.1卷積與池化層
4.2卷積神經(jīng)網(wǎng)絡(luò )
本章小結
參考文獻
第5章卷積神經(jīng)網(wǎng)絡(luò )的新進(jìn)展
5.1預訓練網(wǎng)絡(luò )
5.1.1通用性和可傳遞性
5.1.2利用預訓練網(wǎng)絡(luò )的模型壓縮
5.1.3Mentee網(wǎng)絡(luò )與FitNet
5.1.4使用預訓練網(wǎng)絡(luò )的應用：使用CNN的圖像美學(xué)
5.2生成網(wǎng)絡(luò )
5.2.1自動(dòng)編碼器
5.2.2生成對抗網(wǎng)絡(luò )
本章小結
參考文獻
附錄AYann
后記
作者簡(jiǎn)介
前言
致謝
第1章視覺(jué)計算簡(jiǎn)介
1.1圖像表示基礎
1.1.1變換域表示
1.1.2圖像的直方圖
1.1.3圖像梯度和邊緣
1.1.4超越圖像梯度
1.2基于Hough變換的直線(xiàn)檢測
1.3Harris角點(diǎn)
1.4尺度不變的特征變換
1.5方向梯度直方圖
1.5.1人工設計特征空間中的決策制定
1.5.2貝葉斯決策
1.5.3線(xiàn)性決策邊界
1.6可變形零件模型的實(shí)例研究
1.7計算機視覺(jué)向神經(jīng)網(wǎng)絡(luò )轉變
本章小結
參考文獻
第2章回歸問(wèn)題中的機器學(xué)習
2.1監督學(xué)習
2.2線(xiàn)性模型
2.3最小二乘法
2.4極大似然估計的解釋
2.5擴展到非線(xiàn)性模型
2.6正則化
2.7交叉驗證
2.8梯度下降
2.9幾何正則化
2.10非凸誤差面
2.11隨機梯度、批梯度及在線(xiàn)梯度下降
2.12其他自適應學(xué)習率的更新規則
2.13動(dòng)量
本章小結
參考文獻
第3章 人工神經(jīng)網(wǎng)絡(luò )
3.1感知器
3.2多層神經(jīng)網(wǎng)絡(luò )
3.3反向傳播算法
3.4改進(jìn)的反向傳播算法
3.4.1激活函數
3.4.2權重剪枝
3.4.3批量標準化
本章小結
參考文獻
第4章卷積神經(jīng)網(wǎng)絡(luò )
4.1卷積與池化層
4.2卷積神經(jīng)網(wǎng)絡(luò )
本章小結
參考文獻
第5章卷積神經(jīng)網(wǎng)絡(luò )的新進(jìn)展
5.1預訓練網(wǎng)絡(luò )
5.1.1通用性和可傳遞性
5.1.2利用預訓練網(wǎng)絡(luò )的模型壓縮
5.1.3Mentee網(wǎng)絡(luò )與FitNet
5.1.4使用預訓練網(wǎng)絡(luò )的應用：使用CNN的圖像美學(xué)
5.2生成網(wǎng)絡(luò )
5.2.1自動(dòng)編碼器
5.2.2生成對抗網(wǎng)絡(luò )
本章小結
參考文獻
附錄AYann
后記
相關(guān)商品
京公網(wǎng)安備 11000002000088號
