●第Ⅰ部分 深度學習基礎
第1章 計算機視覺概述
1.1 計算機視覺
1.1.1 視覺感知的定義
1.1.2 視覺繫統
1.1.3 感知設備
1.1.4 解譯設備
1.2 CV應用
1.2.1 圖像分類
1.2.2 目標檢測與定位
1.2.3 生成藝術(風格遷移)
1.2.4 圖像生成
1.2.5 人臉識別
1.2.6 圖片推薦繫統
1.3 計算機視覺管道概覽
1.4 圖像輸入
1.4.1 圖像的函數表達
1.4.2 計算機讀取圖像
l.4.3 彩色圖像
1.5 圖像處理
1.6 特征提取
1.6.1 計算機視覺中特征的定義
1.6.2 有用特征的定義
1.6.3 手動與自動的特征提取
1.7 分類器學習算法
1.8 本章小結
第2章 深度學習和神經網絡
2.1 理解感知機
2.1.1 感知機的定義
2.1.2 感知機的學習機制
2.1.3 單層感知機的局限性
2.2 多層感知機
2.2.1 多層感知機架構
2.2.2 關於隱藏層
2.2.3 隱藏層的設計
2.2.4 本節內容拓展
2.3 激活函數
2.3.1 線性轉移函數
2.3.2 heaviside階躍函分類器)
2.3.3 sigmoid/logistic函數
2.3.4 softmax函數
2.3.5 雙曲正切函數(tanh)
2.3.6 修正(ReLU)
2.3.7 Leaky ReLU
2.4 前饋過程
2.4.1 前饋計算
2.4.2 特征學習
2.5 誤差函數
2.5.1 誤差函數的定義
2.5.2 誤差函數的意義
2.5.3 誤差為正的必要性
2.5.4 均方誤差損失函數
……
第Ⅱ部分 圖像分類和檢測
第Ⅲ部分 生成模型與視覺嵌入
參考文獻
附錄A
計算機視覺有多優選?開一開特斯拉就知道了。深度學習技術已在人臉識別、交互式仿真和醫學成像方面取得令人興奮的突破,但最讓人心潮澎湃的當屬自動駕駛技術。如今,自動駕駛的汽車已經能在高速路上暢意馳騁並對各種復雜路況做出靈活反應了。計算機如何“理解”它所“看到”的東西?本書試圖將深度學習應用於計算機視覺以回答該問題。本書僅用高中代數知識闡明視覺直覺背後的概念。你將了解如何使用深度學習架構來構建視覺繫統應用程序,以實現圖像生成和人臉識別功能。主要內容:圖像分類和目標檢測;優選的深度學習架構;遷移學習與生成對抗網絡;DeepDream和神經風格遷移;視覺嵌入和圖像搜索。閱讀門檻:本書適用於Python中級程序員。