| | | 卷積神經網絡與計算機視覺 [澳] 薩爾曼·汗(Salman Khan)等 卷 | 該商品所屬分類:圖書 -> 機械工業出版社 | 【市場價】 | 817-1184元 | 【優惠價】 | 511-740元 | 【作者】 | 薩爾曼·汗(Salman | 【出版社】 | 機械工業出版社 | 【ISBN】 | 9787111622888 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](/c49/99/10026499360927.jpg)
店鋪:機械工業出版社官方旗艦店 出版社:機械工業出版社 ISBN:9787111622888 商品編碼:10026499360927 品牌:機械工業出版社(CMP) 頁數:200 字數:90000 審圖號:9787111622888 作者:薩爾曼·汗(Salman
"![baecf198635367d9.jpg](https://img10.360buyimg.com/cms/jfs/t1/180445/28/6295/377762/60b0bd82E6c4ef32e/baecf198635367d9.jpg) 商品參數 商品基本信息 | 商品名稱: | 卷積神經網絡與計算機視覺 | 作者: | [澳] 薩爾曼·汗(Salman Khan)等 | 市場價: | 99.00 | ISBN號: | 9787111622888 | 版次: | 1-1 | 出版日期: | 1900-01 | 頁數: | 184 | 字數: | 90 | 出版社: | 機械工業出版社 | 內容介紹 內容簡介 | 本書自成一體,如果你既想了解CNN的原理,又想獲得將CNN應用於計算機視覺的一手經驗,那麼本書將非常適合閱讀。書中對CNN進行了全面介紹,首先是神經網絡的基本概念:訓練、正則化和優化。然後討論了各種各樣的損失函數、網絡層和流行的CNN架構,回顧了評價CNN的不同技術,並介紹了一些常用的CNN工具和庫。此外,本書還分析了CNN在計算機視覺中的應用案例,包括圖像分類、對像檢測、語義分割、場景理解和圖像生成。 | 目錄 目錄 | 譯者序 前言 致謝 作者簡介 *1章簡介 1*1什麼是計算機視覺 1*1*1應用案例 1*1*2圖像處理與計算機視覺 1*2什麼是機器學習 1*2*1為什麼需要深度學習 1*3本書概覽 *2章特征和分類器 2*1特征和分類器的重要性 2*1*1特征 2*1*2分類器 2*2傳統特征描述符 2*2*1方向梯度直方圖 2*2*2尺度不變特征變換 2*2*3加速健壯特征 2*2*4傳統的手工工程特征的局限性 2*3機器學習分類器 2*3*1支持向量機 2*3*2隨機決策森林 2*4總結 第3章神經網絡基礎 3*1引言 3*2多層感知機 3*2*1基礎架構 3*2*2參數學習 3*3循環神經網絡 3*3*1基礎架構 3*3*2參數學習 3*4與生物視覺的關聯 3*4*1生模型 3*4*的計算模型 3*4*3人與生 第4章卷積神經網絡 4*1引言 4*2神經網絡層 4*2*1預處理 4*2*2卷積層 4*2*3池化層 4*2*4非線性 4*2*5全連接層 4*2*6轉置卷積層 4*2*7感興趣區域的池化層 4*2*8空間金字塔池化層 4*2*9局部特征聚合描述符層 4*2*10空間變換層 4*3CNN損失函數 4*3*1交叉熵損失函數 4*3*2SVM鉸鏈損失函數 4*3*3平方鉸鏈損失函數 4*3*4歐幾裡得損失函數 4*3*51誤差 4*3*6對比損失函數 4*3*7期望損失函數 4*3*8結構相似性度量 第5章CNN學習 5*1權重初始化 5*1*1高斯隨機初始化 5*1*2均勻隨機初始化 5*1*3正交隨機初始化 5*1*4無監督的預訓練 5*1*5澤維爾(Xavier)初始化 5*1*6ReLU敏感的縮放初始化 5*1*7層序單位方差 5*1*8有監督的預訓練 5*2CNN的正則化 5*2*1數據增強 5*2*2隨機失活 5*2*3隨機失連 5*2*4批量歸一化 5*2*5集成模型平均 5*2*62正則化 5*2*71正則化 5*2*8彈性網正則化 5*2*9*大範數約束 5*2*10早停 5*3基於梯度的CNN學習 5*3*1批量梯度下降 5*3*2隨機梯度下降 5*3*3小批量梯度下降 5*4神經網絡優化器 5*4*1動量 5*4*2涅斯捷羅夫動量 5*4*3自適應梯度 5*4*4自適應增量 5*4*5RMSprop 5*4*6自適應矩估計 5*5CNN中的梯度計算 5*5*1分析微分法 5*5*2數值微分法 5*5*3符號微分法 5*5*4自動微分法 5*6通過可視化理解CNN 5*6*1可視化學習的權重 5*6*2可視化激活 5*6*3基於梯度的可視化 第6章CNN架構的例子 6*1LeNet 6*2AlexNet 6*3NiN 6*4VGGnet 6*5GoogleNet 6*6ResNet 6*7ResNeXt 6*8FractalNet 6*9DenseNet 第7章CNN在計算機視覺中的應用 7*1圖像分類 7*1*1PointNet 7*2目標檢測與定位 7*2*1基於區域的CNN 7*2*2快速R*CNN 7*2*3區域建議網絡 7*3語義分割 7*3*1全卷積網絡 7*3*2深度反卷積網絡 7*3*3DeepLab 7*4場景理解 7*4*1DeepContext 7*4*2從RGB*D圖像中學習豐富的特征 7*4*3用於場景理解的PointNet 7*5圖像生成 7*5*1生成對抗網絡 7*5*2深度卷積生成對抗網絡 7*5*3超分辨率生成對抗網絡 7*6基於視頻的動作識別 7*6*1靜止視頻幀的動作識別 7*6*2雙流CNN 7*6*3長期遞歸卷積網絡 第8章深度學習工具和庫 8*1Caffe 8*2TensorFlow 8*3MatConvNet 8*4Torch7 8*5Theano 8*6Keras 8*7Lasagne 8*8Marvin 8*9Chainer 8*10PyTorch 第9章結束語 9*1本書概要 9*2未來研究方向 術語表 參考文獻
|
" | | | | | |