![](/c3/10023502493725.jpg)
出版社:清華大學出版社 ISBN:9787302558224 商品編碼:10023502493725 品牌:文軒 出版時間:2020-09-01 代碼:98 作者:艾哈邁德·法齊·迦得(AhmedFawzyG
"![](http://img14.360buyimg.com/cms/jfs/t1/203358/9/26405/134589/62f4a34cEcdefae53/84e082ed3b03dbc0.jpg) 作 者:[埃] 艾哈邁德·法齊·迦得(Ahmed Fawzy Gad)著 林賜 譯 著 定 價:98 出 版 社:清華大學出版社 出版日期:2020年09月01日 頁 數:340 裝 幀:平裝 ISBN:9787302558224 "《深度學習計算機視覺實戰 卷積神經網絡、Python、TensorFlow和Kivy》將深度學習應用部署到生產環境中。讀者將學習使用卷積神經網絡(CNN)深度學習模型和Python編寫計算機視覺應用。本書從解釋傳統的機器學習流程開始介紹,分析了一個圖像數據集。接下來,讀者將學習人工神經網絡(ANN),使用Python從頭開始構建一個ANN,然後使用遺傳算法(GA)優化這個神經網絡。 為了使過程自動化,本書強調了采用傳統手工方式為計算機視覺選擇等 ●目 錄第1章 計算機視覺識別 11.1 圖像識別步驟 21.2 特征提取 31.2.1 顏色直方圖 41.2.2 GLCM 91.2.3 HOG 141.2.4 LBP 281.3 特征選擇和縮減 301.3.1 過濾器方法 301.3.2 包裝器方法 311.3.3 嵌入式方法 321.3.4 正則化 33第2章 人工神經網絡 352.1 人工神經網絡簡介 362.1.1 線性模型是人工神經網絡的基礎 362.1.2 繪制人工神經網絡 402.2 調整學習率來訓練ANN 432.2.1 過濾器示例 442.2.2 學習率 472.2.3 測試網絡 492.3 使用向後傳播優化權重 492.3.1 無隱藏層神經網絡的向後傳播 492.3.2 權重更新公式 522.3.3 為什麼向後傳播算法很重要 532.3.4 前向傳遞與後向傳遞 532.3.5 具有隱藏層的神經網絡的向後傳播 592.4 過擬合 682.4.1 基於回歸示例理解正則化 702.4.2 模型容量/復雜性 722.4.3 L1正則化 742.5 設計ANN 762.5.1 示例1:無隱藏層的ANN 762.5.2 示例2:具有單個隱藏層的ANN 79第3章 使用具有工程化特征的人工神經網絡進行識別 833.1 Fruits 360數據集特征挖掘 833.1.1 特征挖掘 833.1.2 特征縮減 893.1.3 使用ANN進行過濾 913.2 ANN實現 933.3 工程化特征的局限性 993.4 工程化特征並未終結 100第4章 人工神經網絡的優化 1014.1 優化簡介 1014.2 GA 1044.2.1 選擇很好親本 1064.2.2 變化算子 1074.2.3 示例的Python實現 1094.3 NSGA-II 1194.3.1 NSGA-II步驟 1194.3.2 支配度 1214.3.3 擁擠距離 1264.3.4 競賽選擇 1284.3.5 交叉 1294.3.6 突變 1294.4 使用GA優化ANN 130第5章 卷積神經網絡 1435.1 從人工神經網絡到卷積神經網絡 1435.1.1 深度學習背後的直覺 1445.1.2 卷積的推導 1475.1.3 設計CNN 1565.1.4 池化操作 1595.1.5 卷積操作示例 1605.1.6 優選池化操作示例 1625.2 使用NumPy從頭開始構建CNN 1635.2.1 讀取輸入圖像 1635.2.2 準備過濾器 1645.2.3 卷積層 1655.2.4 ReLU層 1705.2.5 優選池化層 1715.2.6 堆疊層 1725.2.7 完整代碼 174第6章 TensorFlow在圖像識別中的應用 1836.1 TF簡介 1836.1.1 張量 1846.1.2 TF Core 1846.1.3 數據流圖 1856.1.4 使用TB的圖可視化 1956.1.5 線性模型 1976.2 構建FFNN 2036.2.1 線性分類 2046.2.2 非線性分類 2116.3 使用CNN識別CIFAR10 2166.3.1 準備訓練數據 2166.3.2 構建CNN 2186.3.3 訓練CNN 2226.3.4 保存已訓練模型 2266.3.5 構建和訓練CNN的完整代碼 2266.3.6 準備測試數據 2366.3.7 測試已訓練的CNN模型 237第7章 部署預訓練模型 2397.1 應用概述 2397.2 Flask介紹 2407.2.1 route()裝飾器 2417.2.2 add_rule_url方法 2437.2.3 變量規則 2437.2.4 端點 2457.2.5 HTML表單 2467.2.6 上傳文件 2487.2.7 Flask應用內的HTML 2507.2.8 靜態文件 2547.3 部署使用Fruits 360數據集訓練過的模型 2567.4 部署使用CIFAR10數據集訓練過的模型 263第8章 跨平臺的數據科學應用 2778.1 Kivy簡介 2788.1.1 使用BoxLayout的基本應用 2788.1.2 Kivy應用的生命周期 2798.1.3 部件尺寸 2828.1.4 網格布局 2848.1.5 更多部件 2858.1.6 部件樹 2878.1.7 處理事件 2898.1.8 KV語言 2918.2 P4A 2958.2.1 安裝Buildozer 2958.2.2 準備buildozer.spec文件 2968.2.3 使用Buildozer構建Android應用 2988.3 Android上的圖像識別 3008.4 Android上的CNN 305附錄A 使用pip安裝程序安裝自制項目包 313 主要內容● 理解ANN和CNN的工作機制● 使用Python從頭創建計算機視覺應用和CNN● 使用TensorFlow從概念到生產學習深度學習項目● 與Kivy配合使用NumPy構建跨平臺的數據科學應用 [埃] 艾哈邁德·法齊·迦得(Ahmed Fawzy Gad)著 林賜 譯 著 "Ahmed Fawzy Gad是一名助教,來自埃及,2015年在埃及梅努菲亞大學計算機與信息學院獲得信息技術榮譽理學學士學位,2018年獲得碩士學位。Ahmed對深度學習、機器學習、計算機視覺和Python饒有興趣。他曾擔任機器學習項目的軟件工程師和顧問。通過分享著作並在YouTube頻道上錄制教程,為數據科學界添磚加瓦是Ahmed的奮鬥目標。Ahmed發表了多篇研究論文,撰寫了TensorFlow: A Guide to Build Artificial Neural Networks Using Python (Lambert,2017)一書。Ahmed一直希望在其所感興趣的領域與其等 ![](https://img10.360buyimg.com/imgzone/jfs/t1/147514/7/5440/73116/5f34a3beE3ba58783/f5b2391383f5625c.jpg)
" |