深度学习与图像处理实战

深度学习与图像处理实战
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
2022-08
版次: 1
ISBN: 9787115594808
定价: 39.80
装帧: 其他
开本: 其他
纸张: 胶版纸
页数: 156页
字数: 257千字
4人买过
  • 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。 罗颖,女,现任苏州市工业职业技术学院软件与服务外包学院副院长、副教授,研究方向人工智能技术应用。曾任教于本科院校13年,具有较好的教学科研经验,目前主讲《C语言程序设计》、《关系数据库基础与应用》、《微信小程序开发》等多门课程。2014年以来,主持并参与市厅级以上项目多项,其中主持苏州市科技发展规划项目课题《面向养老服务业的人体行为智能化分析技术研究与应用》,参与江苏省教育厅科技项目《基于递归型数据中心网络的限制容错性研究》、江苏省科技计划体系项目《基于时间感知的多样性小众推荐算法技术研究》等,主编教材《Java Web云应用开发》,发表论文多篇。历任CCF苏州会员活动中心委员,苏州人工智能学会教育专委会常务理事等社会职务。 目 录

    第 1章 深度学习基础 1

    1.1 深度学习的定义 1

    1.2 深度学习的特点 1

    1.3 深度学习的历史 1

    1.3.1 深度学习的起源 2

    1.3.2 深度学习的发展 2

    1.3.3 深度学习的爆发 2

    1.4 深度神经网络概述 3

    1.4.1 VGGNet 3

    1.4.2 GoogLeNet 3

    1.4.3 ResNet 3

    1.4.4 FCN 3

    1.4.5 U-Net 3

    1.4.6 Mask R-CNN 4

    1.4.7 YOLO 4

    1.5 深度学习的应用 4

    1.5.1 图像领域 4

    1.5.2 声音领域 8

    1.5.3 文本领域 11

    1.6 深度学习的未来趋势 11

    本章小结 12

    第 2章 深度学习环境的安装与使用 13

    2.1 Anaconda的安装与使用 13

    2.1.1 Anaconda简介 13

    2.1.2 Anaconda的安装 13

    2.1.3 conda简介 14

    2.2 TensorFlow环境搭建与使用 17

    2.2.1 安装TensorFlow CPU版本 18

    2.2.2 安装TensorFlow GPU版本 18

    2.2.3 PyCharm的安装 19

    2.2.4 PyCharm的使用 22

    2.2.5 TensorFlow的使用 26

    2.3 Keras简介与使用 28

    2.3.1 Keras的意义 29

    2.3.2 Keras的设计原则 29

    2.3.3 Keras的工作方式 29

    2.3.4 Keras快速上手 30

    2.3.5 Keras简单实例 30

    本章小结 34

    第3章 神经网络的数学基础 35

    3.1 矩阵 35

    3.1.1 矩阵定义 35

    3.1.2 矩阵加法 36

    3.1.3 矩阵乘法 37

    3.1.4 矩阵的转置 40

    3.1.5 矩阵的逆 40

    3.2 随机变量及概率分布 41

    3.2.1 随机变量定义 41

    3.2.2 离散型随机变量的概率分布 42

    3.2.3 连续型随机变量及其概率密度函数 46

    本章小结 50

    第4章 搭建一个简单的神经网络 51

    4.1 卷积神经网络的组成 51

    4.1.1 卷积层 51

    4.1.2 池化层 53

    4.1.3 激活函数 54

    4.1.4 全连接层 55

    4.1.5 损失函数 56

    4.2 实例——手写数字识别神经网络搭建 56

    4.2.1 MNIST手写数字数据集简介 56

    4.2.2 MNIST手写数字识别神经网络搭建 58

    本章小结 61

    第5章 模型评估及模型调优 62

    5.1 评估指标 62

    5.1.1 准确率 63

    5.1.2 查准率 63

    5.1.3 召回率 63

    5.1.4 F1值 64

    5.1.5 ROC与AUC 64

    5.2 数据集处理 65

    5.2.1 数据集划分 65

    5.2.2 数据增强 67

    5.3 模型调优 75

    5.3.1 回调函数 76

    5.3.2 超参数调整 78

    5.3.3 模型结构调整 80

    本章小结 84

    第6章 VGG网络实现猫狗识别 85

    6.1 VGG网络介绍 85

    6.2 数据集介绍及处理 86

    6.3 主干网络搭建与训练 88

    6.4 模型训练结果测试 91

    本章小结 92

    第7章 ResNet实现手势识别 93

    7.1 ResNet介绍 93

    7.2 数据集介绍及处理 94

    7.3 主干网络搭建并训练 97

    7.4 模型训练结果测试 101

    本章小结 103

    第8章 搭建MobileNet实现电表编码区域检测 104

    8.1 目标检测基础及YOLO网络介绍 104

    8.1.1 目标检测基础 104

    8.1.2 YOLO算法 106

    8.1.3 下载YOLOv3源码 108

    8.2 数据集介绍及处理 109

    8.3 主干网络搭建与训练 112

    8.4 模型结构修改 117

    8.4.1 MobileNet简介 117

    8.4.2 MobileNet搭建 118

    8.4.3 网络模型替换 121

    8.5 模型训练结果测试 122

    本章小结 122

    第9章 FCN实现斑马线分割 123

    9.1 FCN简介 123

    9.2 数据集介绍及处理 125

    9.3 主干网络搭建与训练 130

    9.4 模型训练结果测试 132

    本章小结 133

    第 10章 基于U-Net的工业缺陷检测 134

    10.1 U-Net简介 134

    10.2 数据集介绍及处理 135

    10.3 主干网络搭建与训练 138

    10.4 模型训练结果测试 140

    本章小结 143

    第 11章 DCGAN图像生成 144

    11.1 GAN简介 144

    11.2 数据集介绍及处理 146

    11.3 主干网络搭建与训练 146

    11.4 模型训练结果 149

    本章小结 150

    第 12章 ACGAN生成带标签图片 151

    12.1 ACGAN简介 151

    12.2 数据集介绍及处理 152

    12.3 主干网络搭建与训练 152

    12.4 模型训练结果测试 155

    本章小结 156
  • 内容简介:
    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。
  • 作者简介:
    罗颖,女,现任苏州市工业职业技术学院软件与服务外包学院副院长、副教授,研究方向人工智能技术应用。曾任教于本科院校13年,具有较好的教学科研经验,目前主讲《C语言程序设计》、《关系数据库基础与应用》、《微信小程序开发》等多门课程。2014年以来,主持并参与市厅级以上项目多项,其中主持苏州市科技发展规划项目课题《面向养老服务业的人体行为智能化分析技术研究与应用》,参与江苏省教育厅科技项目《基于递归型数据中心网络的限制容错性研究》、江苏省科技计划体系项目《基于时间感知的多样性小众推荐算法技术研究》等,主编教材《Java Web云应用开发》,发表论文多篇。历任CCF苏州会员活动中心委员,苏州人工智能学会教育专委会常务理事等社会职务。
  • 目录:
    目 录

    第 1章 深度学习基础 1

    1.1 深度学习的定义 1

    1.2 深度学习的特点 1

    1.3 深度学习的历史 1

    1.3.1 深度学习的起源 2

    1.3.2 深度学习的发展 2

    1.3.3 深度学习的爆发 2

    1.4 深度神经网络概述 3

    1.4.1 VGGNet 3

    1.4.2 GoogLeNet 3

    1.4.3 ResNet 3

    1.4.4 FCN 3

    1.4.5 U-Net 3

    1.4.6 Mask R-CNN 4

    1.4.7 YOLO 4

    1.5 深度学习的应用 4

    1.5.1 图像领域 4

    1.5.2 声音领域 8

    1.5.3 文本领域 11

    1.6 深度学习的未来趋势 11

    本章小结 12

    第 2章 深度学习环境的安装与使用 13

    2.1 Anaconda的安装与使用 13

    2.1.1 Anaconda简介 13

    2.1.2 Anaconda的安装 13

    2.1.3 conda简介 14

    2.2 TensorFlow环境搭建与使用 17

    2.2.1 安装TensorFlow CPU版本 18

    2.2.2 安装TensorFlow GPU版本 18

    2.2.3 PyCharm的安装 19

    2.2.4 PyCharm的使用 22

    2.2.5 TensorFlow的使用 26

    2.3 Keras简介与使用 28

    2.3.1 Keras的意义 29

    2.3.2 Keras的设计原则 29

    2.3.3 Keras的工作方式 29

    2.3.4 Keras快速上手 30

    2.3.5 Keras简单实例 30

    本章小结 34

    第3章 神经网络的数学基础 35

    3.1 矩阵 35

    3.1.1 矩阵定义 35

    3.1.2 矩阵加法 36

    3.1.3 矩阵乘法 37

    3.1.4 矩阵的转置 40

    3.1.5 矩阵的逆 40

    3.2 随机变量及概率分布 41

    3.2.1 随机变量定义 41

    3.2.2 离散型随机变量的概率分布 42

    3.2.3 连续型随机变量及其概率密度函数 46

    本章小结 50

    第4章 搭建一个简单的神经网络 51

    4.1 卷积神经网络的组成 51

    4.1.1 卷积层 51

    4.1.2 池化层 53

    4.1.3 激活函数 54

    4.1.4 全连接层 55

    4.1.5 损失函数 56

    4.2 实例——手写数字识别神经网络搭建 56

    4.2.1 MNIST手写数字数据集简介 56

    4.2.2 MNIST手写数字识别神经网络搭建 58

    本章小结 61

    第5章 模型评估及模型调优 62

    5.1 评估指标 62

    5.1.1 准确率 63

    5.1.2 查准率 63

    5.1.3 召回率 63

    5.1.4 F1值 64

    5.1.5 ROC与AUC 64

    5.2 数据集处理 65

    5.2.1 数据集划分 65

    5.2.2 数据增强 67

    5.3 模型调优 75

    5.3.1 回调函数 76

    5.3.2 超参数调整 78

    5.3.3 模型结构调整 80

    本章小结 84

    第6章 VGG网络实现猫狗识别 85

    6.1 VGG网络介绍 85

    6.2 数据集介绍及处理 86

    6.3 主干网络搭建与训练 88

    6.4 模型训练结果测试 91

    本章小结 92

    第7章 ResNet实现手势识别 93

    7.1 ResNet介绍 93

    7.2 数据集介绍及处理 94

    7.3 主干网络搭建并训练 97

    7.4 模型训练结果测试 101

    本章小结 103

    第8章 搭建MobileNet实现电表编码区域检测 104

    8.1 目标检测基础及YOLO网络介绍 104

    8.1.1 目标检测基础 104

    8.1.2 YOLO算法 106

    8.1.3 下载YOLOv3源码 108

    8.2 数据集介绍及处理 109

    8.3 主干网络搭建与训练 112

    8.4 模型结构修改 117

    8.4.1 MobileNet简介 117

    8.4.2 MobileNet搭建 118

    8.4.3 网络模型替换 121

    8.5 模型训练结果测试 122

    本章小结 122

    第9章 FCN实现斑马线分割 123

    9.1 FCN简介 123

    9.2 数据集介绍及处理 125

    9.3 主干网络搭建与训练 130

    9.4 模型训练结果测试 132

    本章小结 133

    第 10章 基于U-Net的工业缺陷检测 134

    10.1 U-Net简介 134

    10.2 数据集介绍及处理 135

    10.3 主干网络搭建与训练 138

    10.4 模型训练结果测试 140

    本章小结 143

    第 11章 DCGAN图像生成 144

    11.1 GAN简介 144

    11.2 数据集介绍及处理 146

    11.3 主干网络搭建与训练 146

    11.4 模型训练结果 149

    本章小结 150

    第 12章 ACGAN生成带标签图片 151

    12.1 ACGAN简介 151

    12.2 数据集介绍及处理 152

    12.3 主干网络搭建与训练 152

    12.4 模型训练结果测试 155

    本章小结 156
查看详情
相关图书 / 更多
深度学习与图像处理实战
深度学习的数学——使用Python语言
[美]罗纳德·T.纽塞尔(Ronald T. Kneusel)
深度学习与图像处理实战
深度工作(新):如何有效使用每一点脑力
(美)卡尔·纽波特 后浪
深度学习与图像处理实战
深度阅读训练册5年级B版
深度阅读教学研究中心 编
深度学习与图像处理实战
深度对话茅奖作家(1-11届)
舒晋瑜
深度学习与图像处理实战
深度关系
武志红
深度学习与图像处理实战
深度学习的理论基础与核心算法
焦李成,杨淑媛,刘芳,刘旭,田晨曦,侯彪,马文萍,尚荣华
深度学习与图像处理实战
深度学习与神经网络
赵金晶 等
深度学习与图像处理实战
深度阅读训练册2年级B版
深度阅读教学研究中心 编
深度学习与图像处理实战
深度学习模型与算法基础
许庆阳、宋勇、张承进
深度学习与图像处理实战
深度学习与波束形成:理论、方法与实践
郭业才
深度学习与图像处理实战
深度学习——模型、算法优化与实战
张洪朋
深度学习与图像处理实战
深度营销:成就营销领导力的12大原则(麦肯锡年度经管好书,12大原则揭秘营销本质,带好团队就是从领导力到影响力!)
(美) 托马斯·巴塔 (美) 帕特里克·巴韦斯 著 ,美同 译
您可能感兴趣 / 更多
深度学习与图像处理实战
50个工具玩转项目式学习
罗颖 桑国元 石玉娟
深度学习与图像处理实战
图书馆管理与数字化建设研究
罗颖 著
深度学习与图像处理实战
Hi艺术006:乘风破浪中国当代艺术40年
罗颖 著
深度学习与图像处理实战
语言服务书系·翻译研究·东曲西吟:汉语特有文体词的俄译研究
罗颖 著
深度学习与图像处理实战
Hi艺术004:当代艺术市场九问
罗颖 著
深度学习与图像处理实战
Hi艺术003:北京,还是艺术之都吗?
罗颖 编
深度学习与图像处理实战
Hi艺术002:798艺术区的进与退
罗颖 编
深度学习与图像处理实战
诗运四维
罗颖 著
深度学习与图像处理实战
初中英语同步字帖 七年级 下册(人教版)
罗颖 编;谢昭然 书
深度学习与图像处理实战
小学英语同步字帖(六年级下册)
罗颖 编;谢昭然 书写
深度学习与图像处理实战
小学英语同步字帖(三年级下册)
罗颖 编;谢昭然 书写
深度学习与图像处理实战
建筑CAD
罗颖 主编