万本电子书0元读

万本电子书0元读

顶部广告

深度学习与计算机视觉:算法原理、框架应用与代码实现电子书

西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠力、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐! 作者拥有超过5年的机器学习研发经验,目前在*专注于深度学习和计算机视觉算法的研发。 西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐! 注重原理和上手实战,让读者不仅能理解算法背后的思想,还能具备独立发基于深度学习的计算机视觉算法的能力。

售       价:¥15.99

纸质售价:¥61.30购买纸书

838人正在读 | 2人评论 6.3

作       者:叶韵

出  版  社:机械工业出版社

出版时间:2017-06-01

字       数:32.6万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(2条)
  • 读书简介
  • 目录
  • 累计评论(2条)
本书全面介绍了深度学习及计算机视觉中*基础的知识,并结合*常见的应用场景和大量实例,带领读者丰富多彩的计算机视觉领域。作为一本“原理 实践”教程,本书在讲解原理的基础上,通过有趣的实例带领读者一步步亲自动手,不断提高动手能力,而不是枯燥和深奥原理的堆砌。 全书共13章,分为2篇。第1篇基础知识,介绍了人工智能发展历程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构,*后对*前沿的趋势行了简单探讨。第2篇实例精讲,介绍了Python基础、OpneCV基础、*简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。本书从第5章始包含很多有趣和实用的代码示例。从第7章始的所有实例都基于当前流行的深度学习框架Caffe和MXNet,其中包含作者原创的大量代码和搜集的数据,这些代码和作者训练好的部分模型已分享到本书github页面上供读者自行下载。 本书适合对人工智能、机器学习、深度学习和计算机视觉感兴趣的读者阅读。阅读本书要求读者具备一定的数学基础和基本的编程能力,并需要读者了解Linux的基本使用。 一分钟了解本书精华内容 引言 深度学习和计算机视觉中的基础数学知识 神经网络和机器学习基础 深度卷积神经网络 Python基础 OpenCV基础 Hello World! *简单的图片分类——手写数字识别 利用Caffe做回归 迁移学习和模型微调 目标检测 度量学习 图像风格迁移

本书全面介绍了深度学习及计算机视觉中*基础的知识,并结合*常见的应用场景和大量实例,带领读者丰富多彩的计算机视觉领域。作为一本“原理 实践”教程,本书在讲解原理的基础上,通过有趣的实例带领读者一步步亲自动手,不断提高动手能力,而不是枯燥和深奥原理的堆砌。

全书共13章,分为2篇。第1篇基础知识,介绍了人工智能发展历程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构,*后对*前沿的趋势行了简单探讨。第2篇实例精讲,介绍了Python基础、OpneCV基础、*简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。本书从第5章始包含很多有趣和实用的代码示例。从第7章始的所有实例都基于当前流行的深度学习框架Caffe和MXNet,其中包含作者原创的大量代码和搜集的数据,这些代码和作者训练好的部分模型已分享到本书github页面上供读者自行下载。

本书适合对人工智能、机器学习、深度学习和计算机视觉感兴趣的读者阅读。阅读本书要求读者具备一定的数学基础和基本的编程能力,并需要读者了解Linux的基本使用。

一分钟了解本书精华内容

引言

深度学习和计算机视觉中的基础数学知识

神经网络和机器学习基础

深度卷积神经网络

Python基础

OpenCV基础

Hello World!

*简单的图片分类——手写数字识别

利用Caffe做回归

迁移学习和模型微调

目标检测

度量学习

图像风格迁移

【推荐语】

西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠力、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐!

作者拥有超过5年的机器学习研发经验,目前在*专注于深度学习和计算机视觉算法的研发。

西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐!

注重原理和上手实战,让读者不仅能理解算法背后的思想,还能具备独立发基于深度学习的计算机视觉算法的能力。

原理讲解通俗易懂,能通过图文定性讲解的就尽量不用公式,不可避免要用公式的地方尽量让公式作为图文讲解的辅助手段。

结合常见的应用场景,通过大量有趣、实用的实例和原创代码,带领读者一步步亲自动手,不断提高动手能力。

从第7章始的所有实例都基于当前流行的深度学习框架Caffe和MXNet,其中包含了作者原创的大量代码和搜集的数据。

【作者】

叶韵 

2007年7月毕业于北京大学信息科学技术学院,获学士学位。2011年4月获得了美国亚利桑那州立大学的电气工程博士学位。拥有超过5年的机器学习研发经验。目前在京东专注于深度学习和计算机视觉算法的研发。加京东前,曾先后在ProPlus Design Solutions硅谷和北京研发中心任职研发经理,负责统计建模和机器学习算法的研发。后加西门子中国研究院担任研究员,专注于计算影像和计算机视觉的研究。

目录展开

序言

前言

第1篇 基础知识

第1章引言

1.1 人工智能的新焦点——深度学习

1.2 给计算机一双眼睛——计算机视觉

1.3 基于深度学习的计算机视觉

第2章深度学习和计算机视觉中的基础数学知识

2.1 线性变换和非线性变换

2.2 概率论及相关基础知识

2.3 维度的诅咒

2.4 卷积

2.5 数学优化基础

第3章神经网络和机器学习基础

3.1 感知机

3.2 神经网络基础

3.3 后向传播算法

3.4 随机梯度下降和批量梯度下降

3.5 数据、训练策略和规范化

3.6 监督学习、非监督学习、半监督学习和强化学习

第4章深度卷积神经网络

4.1 卷积神经网络

4.2 LeNet——第一个卷积神经网络

4.3 新起点——AlexNet

4.4 更深的网络——GoogLeNet

4.5 更深的网络——ResNet

第2篇 实例精讲

第5章Python基础

5.1 Python简介

5.2 Python基本语法

5.3 Python的科学计算包——NumPy

5.4 Python的可视化包——matplotlib

第6章OpenCV基础

6.1 OpenCV简介

6.2 Python-OpenCV基础

6.3 用OpenCV实现数据增加小工具

6.4 用OpenCV实现物体标注小工具

第7章Hello World!

7.1 用MXNet实现一个神经网络

7.2 用Caffe实现一个神经网络

第8章最简单的图片分类——手写数字识别

8.1 准备数据——MNIST

8.2 基于Caffe的实现

8.3 基于MXNet的实现

第9章利用Caffe做回归

9.1 回归的原理

9.2 预测随机噪声的频率

第10章迁移学习和模型微调

10.1 吃货必备——通过Python采集美食图片

10.2 美食分类模型

第11章目标检测

11.1 目标检测算法简介

11.2 基于PASCAL VOC数据集训练SSD模型

第12章度量学习

12.1 距离和度量学习

12.2 用MNIST训练Siamese网络

第13章图像风格迁移

13.1 风格迁移算法简介

13.2 MXNet中的图像风格迁移例子

累计评论(2条) 3个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部