卷積神經網路與視覺計算卷積神經網路與視覺計算

《卷積神經網路與視覺計算》是2018年12月機械工業出版社出版的圖書，作者是拉加夫·維凱特森（Ragav Venkatesan）李寶新（Baoxin Li）。本書主要是系統闡述了卷積神經網路理論基礎及其實踐套用。

基本介紹

• 中文名：卷積神經網路與視覺計算
• 作者：拉加夫·維凱特森（Ragav Venkatesan）、李寶新（Baoxin Li）
• 出版社：機械工業出版社
• ISBN：9787111612391 

內容簡介

從零基礎開始，系統闡述卷積神經網路理論基礎及其實踐套用，可以幫助初學者快速學習和構建深度學習。第1章簡要介紹了圖像表示和一些計算機視覺模型；第2章介紹了回歸、機器學習和最佳化的概念；第3章介紹了Rosenblatt感知器和感知器學習算法、logistic神經元及其激活函式，以及兩類和多類問題的單神經元模型等；第4章介紹了卷積池化層和CNN；第5章通過介紹CNN的一些當前新穎實用的用法，進一步拓展和豐富了深度神經網路的結構。

圖書目錄

譯者序

作者簡介

前言

致謝

第1章視覺計算簡介

11圖像表示基礎

111變換域表示

112圖像的直方圖

113圖像梯度和邊緣

12基於Hough變換的直線檢測

13Harris角點

14尺度不變的特徵變換

15方向梯度直方圖

151人工設計特徵空間中的決策制定

152貝葉斯決策

153線性決策邊界

16可變形零件模型的實例研究

17計算機視覺向神經網路轉變

本章小結

參考文獻

第2章回歸問題中的機器學習

21監督學習

22線性模型

23小二乘法

24極大似然估計的解釋

25擴展到非線性模型

26正則化

27交叉驗證

28梯度下降

29幾何正則化

210非凸誤差面

211隨機梯度、批梯度及線上梯度下降

212其他自適應學習率的更新規則

213動量

本章小結

參考文獻

第3章 人工神經網路

31感知器

32多層神經網路

33反向傳播算法

34改進的反向傳播算法

341激活函式

342權重剪枝

343批量標準化

本章小結

參考文獻

第4章卷積神經網路

41卷積與池化層

42卷積神經網路

本章小結

參考文獻

第5章卷積神經網路的新進展

51預訓練網路

511通用性和可傳遞性

512利用預訓練網路的模型壓縮

513Mentee網路與FitNet

514使用預訓練網路的套用：使用CNN的圖像美學

52生成網路

521自動編碼器

522生成對抗網路

本章小結

參考文獻

附錄AYann

後記

作者簡介

[美] 拉加夫·維凱特森（Ragav Venkatesan）李寶新（Baoxin Li）著：拉加夫?維凱特森（Ragav Venkatesan）他是ASU的視覺表示和處理小組的一名研究助理，曾在機器學習、模式識別、視頻處理和計算機視覺等多個研究生課程中擔任助教。他是機器學習和計算機視覺領域的幾個期刊的同行評審和會議審稿人。

李寶新（Baoxin Li）

目前是亞利桑那州立大學計算機科學與工程專業的教授和主任。從2000年到2004年，他任美國夏普實驗室的高級研究員，領導研發夏普的HiMPACT體育技術。他還曾是俄勒岡州波特蘭州立大學的副教授。他擁有18項美國專利，目前的研究興趣包括計算機視覺和模式識別、多媒體、社會計算、機器學習和輔助技術。2001年和2004年，他獲得夏普實驗室總裁獎。2002年，他獲得了夏普實驗室年度發明者獎，還曾獲得國家自然科學基金會職業獎。