深度學習——圖像檢索原理與套用

《深度學習——圖像檢索原理與套用》是清華大學出版社2022年出版的書籍。

基本介紹

• 中文名：深度學習——圖像檢索原理與套用
• 作者：張富凱
• 出版社：清華大學出版社
• 定價：59
• ISBN：9787302602491

內容簡介

本書系統論述深度 學 習 圖 像 檢 索 的 原 理 與 應 用。全 書 共 分 為 兩 篇:第 一 篇 圖 像 檢 索 基 礎( 第 1~3 章) , 介紹圖像檢索技術、 深度 學 習 基 礎、 基 於 深 度 學 習 的 圖 像 檢 索 方 法;第 二 篇 圖 像 檢 索 應 用 ( 第 4~8 章) , 以車輛圖像為研究對象, 深入詳細地講述基於深度神經網路的快速車輛圖像檢測方法、 基於遷移學習 場景自適應的車輛圖像檢索方法、 基於多視角圖像生成的車輛圖像檢索方法、 基於車牌圖像超解析度重建 的車輛圖像檢索方法、 多模型融合的漸進式車輛圖像檢索方法。附錄 A 和附錄 B分別提供本書實驗所使 用的數據集和原始碼。 本書適合作為從事深度學習圖像檢索技術研究的科技工作者、 專業 技術人員、 高校教師、 研究生及高 年級本科生的參考用書。

作者簡介

楊峰教授 中國礦業大學（北京）機電與信息工程學院

近年來，深度學習在圖像檢索領域的研究引起了學術界和工業界的廣泛關注。《深度學習——圖像檢索原理與套用》的作者將自己的研究成果和實踐經驗進行了系統總結和梳理，循序漸進地介紹了深度學習和圖像檢索的理論、方法、路線和套用，具有很高的學術價值。

孫連英教授 北京聯合大學俄交大聯合交通學院

深度學習是近十年來人工智慧領域取得的最重要的突破之一，與圖像檢索結合有著不可替代的優勢。《深度學習——圖像檢索原理與套用》深入淺出地介紹了圖像檢索的工作原理與技術路線，對於初學者或專業的科技工作者，都有很好的參考價值。

黃明教授 北京建築大學測繪與城市空間信息學院

《深度學習——圖像檢索原理與套用》詳細闡述了深度學習中物體識別、目標檢測、遷移學習、圖像生成、圖像超解析度重建等算法的基本原理、模型結構、訓練方法，以及這些算法在圖像檢索中的套用。本書可以作為研究圖像檢索技術的參考書和工具書，幫助讀者理清思路、開拓視野。

袁冠教授 中國礦業大學計算機科學與技術學院

《深度學習——圖像檢索原理與套用》結構嚴謹、章節環環相扣，內容引人入勝。本書的作者經驗豐富、思維敏捷，將深奧的內容講解得通俗易懂，有助於讀者真正理解並掌握圖像檢索的基本原理和**研究進展。

目錄

第一篇圖像檢索基礎

第1章緒論

1．1圖像檢索技術概述

1．1．1圖像檢索的分類

1．1．2圖像檢索的技術路線

1．1．3圖像檢索的評價指標

1．1．4圖像檢索的技術難點

1．2圖像檢索的研究方法

1．2．1基於手工描述符的圖像檢索

1．2．2基於距離度量學習的圖像檢索

1．2．3基於深度學習的圖像檢索

參考文獻

第2章深度學習基礎

2．1神經網路

2．1．1神經元模型

2．1．2感知器和神經網路

2．1．3誤差反向傳播算法

2．1．4常見的神經網路模型

2．2深度學習概述

2．2．1卷積神經網路

2．2．2自動編碼器

2．2．3生成對抗網路

2．2．4循環神經網路

2．3深度學習常用框架

2．3．1Theano

2．3．2TensorFlow

2．3．3Keras

2．3．4Caffe/Caffe2

2．3．5MXNet

2．3．6CNTK

2．3．7PyTorch

2．3．8其他框架

2．4本章小結

參考文獻

第3章基於深度學習的圖像檢索

3．1基於卷積神經網路的圖像檢索

3．2基於生成對抗網路的圖像檢索

3．3基於注意力機制的圖像檢索

3．4基於循環神經網路的圖像檢索

3．5基於強化學習的圖像檢索

3．6本章小結

參考文獻

第二篇圖像檢索套用

第4章基於深度神經網路的快速車輛圖像檢測

4．1引言

4．2問題描述

4．3基於連線合併卷積神經網路的快速車輛檢測方法

4．3．1連線合併殘差網路提取車輛特徵

4．3．2多尺度預測網路推斷車輛信息

4．3．3利用錨點機制預測車輛邊界框

4．3．4網路訓練

4．4實驗結果與分析

4．4．1數據集

4．4．2評價指標與實驗設定

4．4．3在UADETRAC數據集上的實驗

4．4．4在KITTI數據集上的實驗

4．5本章小結

參考文獻

第5章基於遷移學習場景自適應的車輛圖像檢索

5．1引言

5．2問題描述

5．3車輛遷移生成對抗網路

5．3．1生成器網路

5．3．2判別器網路

5．3．3孿生網路

5．3．4網路訓練

5．4基於圖像風格遷移的車輛圖像檢索

5．4．1特徵學習

5．4．2損失函式

5．4．3基於風格遷移的車輛圖像檢索

5．5實驗結果與分析

5．5．1數據集

5．5．2評價指標與實驗設定

5．5．3車輛圖像風格遷移評估

5．5．4車輛圖像檢索性能評估

5．5．5車輛圖像檢索方法對比

5．6本章小結

參考文獻

第6章基於多視角圖像生成的車輛圖像檢索

6．1引言

6．2問題描述

6．3車輛圖像多視角生成對抗網路

6．3．1車輛視角估計

6．3．2條件生成器網路

6．3．3判別器網路

6．4基於多視角的車輛圖像檢索

6．4．1特徵提取

6．4．2距離度量

6．4．3推理過程

6．4．4圖像風格遷移與多視角圖像生成結合的車輛圖像檢索

6．5實驗結果與分析

6．5．1數據集

6．5．2評價指標與實驗設定

6．5．3多視角生成對抗網路性能評估

6．5．4車輛圖像檢索方法對比

6．5．5車輛圖像檢索消融實驗

6．6本章小結

參考文獻

第7章基於車牌圖像超解析度重建的車輛圖像檢索

7．1引言

7．2問題描述

7．3車牌檢測與偏斜校正

7．3．1網路結構

7．3．2仿射變換

7．4車牌圖像超解析度生成對抗網路

7．4．1生成器網路

7．4．2相對均值判別器網路

7．4．3損失函式

7．4．4網路插值

7．5基於車牌驗證的車輛圖像檢索

7．5．1孿生神經網路驗證車牌

7．5．2基於車牌驗證的精確車輛圖像檢索

7．6實驗結果與分析

7．6．1數據集

7．6．2評價指標與實驗設定

7．6．3車牌檢測方法評估

7．6．4車牌圖像超解析度重建方法評估

7．6．5車輛圖像檢索方法對比

7．6．6車輛圖像檢索消融實驗

7．7本章小結

參考文獻

第8章多模型融合的漸進式車輛圖像檢索

8．1引言

8．2多模型融合的車輛圖像檢索框架

8．2．1基於屬性和身份學習的車輛圖像檢索方法

8．2．2多模型融合的車輛圖像檢索框架

8．3綜合實驗設計

8．3．1車輛圖像檢索融合算法

8．3．2綜合實驗設計

8．3．3實驗運行環境

8．4綜合實驗與分析

8．4．1車輛圖像檢測

8．4．2車輛圖像檢索

8．5本章小結

參考文獻

附錄A本書實驗用到的數據集

附錄B本書實驗使用的原始碼