万本电子书0元读

万本电子书0元读

顶部广告

深度学习之PyTorch物体检测实战电子书

百度自动驾驶高级算法工程师重磅力作 长江学者特聘教授王田苗、百度自动驾驶技术总监陶吉等7位专家力荐 提供完整的源代码文件及相关的论文导引 系统介绍物体检测的相关概念、发展和经典实现方法 用PyTorch从代码角度详解Faster RCNN、SSD和YOLO三个经典检测器 详细讲解物体检测的轻量化网络、细节处理、难问题及未来发展趋势 7位重量级大咖力荐: 教育部长江学者特聘教授  王田苗

售       价:¥

纸质售价:¥70.30购买纸书

297人正在读 | 0人评论 7

作       者:董洪义

出  版  社:机械工业出版社

出版时间:2020-01-01

字       数:23.4万

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(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
《深度学习之PyTorch物体检测实战》从概念、发展、经典实现方法等几个方面系统地介绍了物体检测的相关知识,重介绍了Faster RCNN、SDD和YOLO这三个经典的检测器,并利用PyTorch框架从代码角度行了细致讲解。另外,《深度学习之PyTorch物体检测实战》一步介绍了物体检测的轻量化网络、细节处理、难问题及未来的发展趋势,从实战角度给出了多种优秀的解决方法,便于读者更深地掌握物体检测技术,从而做到在实际项目中灵活应用。 《深度学习之PyTorch物体检测实战》共10章,涵盖的主要内容有物体检测与PyTorch框架基础概念与背景知识;PyTorch基础知识;基础卷积网络Backbone;两阶经典检测器Faster RCNN;单阶多层检测器SSD;单阶经典检测器YOLO;模型加速之轻量化网络;物体检测细节处理;物体检测难问题;物体检测的未来发展。 《深度学习之PyTorch物体检测实战》内容丰富,讲解通俗易懂,案例典型,实用性强,特别适合PyTorch框架爱好者和物体检测相关从业人员阅读,也适合深度学习和计算机视觉领域的研究人员阅读。另外,《深度学习之PyTorch物体检测实战》还适合作为深度学习培训机构的教材使用。 《深度学习之PyTorch物体检测实战》从概念、发展、经典实现方法等几个方面系统地介绍了物体检测的相关知识,重介绍了Faster RCNN、SDD和YOLO这三个经典的检测器,并利用PyTorch框架从代码角度行了细致讲解。另外,《深度学习之PyTorch物体检测实战》一步介绍了物体检测的轻量化网络、细节处理、难问题及未来的发展趋势,从实战角度给出了多种优秀的解决方法,便于读者更深地掌握物体检测技术,从而做到在实际项目中灵活应用。 《深度学习之PyTorch物体检测实战》共10章,涵盖的主要内容有物体检测与PyTorch框架基础概念与背景知识;PyTorch基础知识;基础卷积网络Backbone;两阶经典检测器Faster RCNN;单阶多层检测器SSD;单阶经典检测器YOLO;模型加速之轻量化网络;物体检测细节处理;物体检测难问题;物体检测的未来发展。 《深度学习之PyTorch物体检测实战》内容丰富,讲解通俗易懂,案例典型,实用性强,特别适合PyTorch框架爱好者和物体检测相关从业人员阅读,也适合深度学习和计算机视觉领域的研究人员阅读。另外,《深度学习之PyTorch物体检测实战》还适合作为深度学习培训机构的教材使用。
【推荐语】
百度自动驾驶高级算法工程师重磅力作 长江学者特聘教授王田苗、百度自动驾驶技术总监陶吉等7位专家力荐 提供完整的源代码文件及相关的论文导引 系统介绍物体检测的相关概念、发展和经典实现方法 用PyTorch从代码角度详解Faster RCNN、SSD和YOLO三个经典检测器 详细讲解物体检测的轻量化网络、细节处理、难问题及未来发展趋势 7位重量级大咖力荐: 教育部长江学者特聘教授  王田苗 百度自动驾驶技术总监  陶吉 百度自动驾驶前事业部主任架构师  夏添 商汤科技研发总监  武伟 义柏资本技术专家  丁宁 旷视研究院研究员  朱本金 阿里巴巴达摩院视觉工程师  唐家声 一分钟了解《深度学习之PyTorch物体检测实战》: 学习物体检测需要哪些基础知识? 如何成为PyTorch框架的“老司机”? 怎样理解Faster RCNN、SSD与YOLO? 什么是Anchor与NMS?该如何改? 如何实现轻量化检测网络? 如何缓解样本不均衡与过拟合问题? 如何解决多尺度检测与拥挤遮挡检测? 物体检测未来的发展趋势如何? 如何选择适合自己应用的检测器? …… 通过阅读《深度学习之PyTorch物体检测实战》,你将获得这些复杂问题的基本答案,并能较为全面地掌握物体检测技术。 《深度学习之PyTorch物体检测实战》核心内容: 理论基础: 物体检测发展历程 PyTorch框架基础知识 多种网络骨架:Backbone 物体检测三大经典框架: 两阶经典检测器:Faster RCNN 单阶多层检测器:SSD 单阶经典检测器:YOLO 物体检测深分析: 压缩再扩展:SqueezeNet 深度可分离:MobileNet 通道间混洗:ShuffleNet 非极大值抑制:NMS 样本不均衡问题 模型过拟合 多尺度物体检测 拥挤与遮挡检测 Anchor-Free思想 物体检测发展趋势 超值赠送: 源代码(需要下载)
【作者】
董洪义  本科、硕士均毕业于北京航空航天大学。深度学习与PyTorch资深爱好者。现任百度自动驾驶高级算法工程师。曾担任Phantom Tiger算法负责人、地平线智能驾驶部门算法实习生、北航国际拓展团团长。曾经被评为北京航空航天大学年度人物。曾经获得了Kaggle竞赛银牌。本科期间成绩年级第一,曾前往日本、英国、比利时、荷兰等国的知名学校访问交流。研究方向为自动驾驶感知、智能机器人与计算机视觉。有3年以上的深度学习研发经验。
目录展开

前言

第1篇 物体检测基础知识

第1章 浅谈物体检测与PyTorch

1.1 深度学习与计算机视觉

1.2 物体检测技术

1.3 PyTorch简介

1.4 基础知识准备

1.5 总结

第2章 PyTorch基础

2.1 基本数据:Tensor

2.2 Autograd与计算图

2.3 神经网络工具箱torch.nn

2.4 模型处理

2.5 数据处理

2.6 总结

第3章 网络骨架:Backbone

3.1 神经网络基本组成

3.2 走向深度:VGGNet

3.3 纵横交错:Inception

3.4 里程碑:ResNet

3.5 继往开来:DenseNet

3.6 特征金字塔:FPN

3.7 为检测而生:DetNet

3.8 总结

第2篇 物体检测经典框架

第4章 两阶经典检测器:Faster RCNN

4.1 RCNN系列发展历程

4.2 准备工作

4.3 Faster RCNN总览

4.4 详解RPN

4.5 RoI Pooling层

4.6 全连接RCNN模块

4.7 Faster RCNN的改进算法

4.8 总结

第5章 单阶多层检测器:SSD

5.1 SSD总览

5.2 数据预处理

5.3 网络架构

5.4 匹配与损失求解

5.5 SSD的改进算法

5.6 总结

第6章 单阶经典检测器:YOLO

6.1 无锚框预测:YOLO v1

6.2 依赖锚框:YOLO v2

6.3 多尺度与特征融合:YOLO v3

6.4 总结

第3篇 物体检测的难点与发展

第7章 模型加速之轻量化网络

7.1 压缩再扩展:SqueezeNet

7.2 深度可分离:MobileNet

7.3 通道混洗:ShuffleNet

7.4 总结

第8章 物体检测细节处理

8.1 非极大值抑制:NMS

8.2 样本不均衡问题

8.3 模型过拟合

8.4 总结

第9章 物体检测难点

9.1 多尺度检测

9.2 拥挤与遮挡

9.3 总结

第10章 物体检测的未来发展

10.1 重新思考物体检测

10.2 摆脱锚框:Anchor-Free

10.3 总结

累计评论(0条) 0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