《深度學習與目標檢測》是由2021年9月機械工業出版社出版的圖書。
基本介紹
- 中文名：深度學習與目標檢測
- 作者：塗銘金智勇
- 出版社：機械工業出版社
- 出版時間：2021年9月
- ISBN：9787111690344
作品簡介,作品目錄,
作品簡介
隨著深度學習技術的發展、計算能力的提升和視覺數據的增加，計算機視覺技術在圖像搜尋、智慧型相冊、人臉閘機、城市智慧型交通管理、智慧醫療等諸多領域都取得了令人矚目的成績。越來越多的人開始關注這個領域。計算機視覺包含多個分支，其中圖像分類、目標檢測、圖像分割、目標跟蹤等是計算機視覺領域最重要的幾個研究課題。本書介紹的目標檢測技術，本質上就是通過計算機運行特定的算法，檢測圖像中一些受關注的目標。當今時代，我們很容易在網際網路上找到目標檢測算法的開原始碼，運行代碼並不是什麼難事，但理解其中的原理卻有一定的難度。我們編寫本書的目的就是由淺入深地向讀者講解目標檢測技術，用相對通俗的語言來介紹算法的背景和原理，在讀者“似懂非懂”時給出實戰案例。實戰案例的代碼已全部通過線下驗證，代碼並不複雜，可以很好地幫助讀者理解算法細節，希望讀者在學習理論之後可以親自動手實踐。目標檢測的理論和實踐是相輔相成的，希望本書可以帶領讀者走進目標檢測的世界。
作品目錄
前言
第1章 目標檢測概述
1.1 什麼是目標檢測
1.2 典型的套用場景
1.3 目標檢測技術發展簡史
1.4 目標檢測領域重要的公開評測集
1.5 本章小結
第2章 目標檢測前置技術
2.1 深度學習框架
2.2 搭建開發環境
2.3 NumPy使用詳解
2.4 本章小結
第3章 卷積神經網路
3.1 卷積神經網路基礎
3.2 本章小結
第4章 數據預處理
4.1 數據增強
4.2 數據的探索——Kaggle貓狗大戰
4.3 本章小結
第5章 常見卷積神經網路結構
5.1 LeNet神經網路
5.2 AlexNet神經網路
5.3 VGGNet神經網路
5.4 GoogLeNet神經網路
5.5 ResNet
5.6 DenseNet
5.7 其他網路結構
5.8 實戰案例
5.9 計算圖像數據集的RGB均值和方差
5.10 本章小結
第6章 mmdetection工具包介紹
6.1 mmdetection概要
6.2 mmdetection支持的檢測框架和算法實現
6.3 搭建mmdetection開發環境
6.4 使用入門
6.5 標註圖像
6.6 實戰案例
6.7 本章小結
第7章 目標檢測的基本概念
7.1 概念詳解
7.2 本章小結
第8章 兩階段檢測方法
8.1 R-CNN算法
8.2 SPP-Net算法
8.3 Fast R-CNN算法及訓練過程
8.4 Faster R-CNN算法及訓練過程
8.5 Faster R-CNN代碼解析
8.6 本章小結
第9章 檢測算法的進一步改進
9.1 特徵金字塔
9.2 焦點損失函式
9.3 本章小結
第10章 一階段檢測算法
10.1 YOLO算法
10.2 SSD算法
10.3 FCOS算法
10.4 本章小結
第11章 工業AI的發展
11.1 工業AI的概念和網際網路
11.2 工業AI落地套用
11.3 工業生產中的缺陷檢測問題
11.4 目標檢測在工業中的案例：面板行業ADC解決方案
11.5 本章小結
