解析深度學習：卷積神經網路原理與視覺實踐

內容簡介

本書作為該領域的入門書籍，在內容上涵蓋深度卷積神經網路的基礎知識和實踐套用兩大方面。全書共14 章，分為三個部分：第一部分為緒論；第二部分（第1～4 章）介紹卷積神經網路的基礎知識、基本部件、經典結構和模型壓縮等基礎理論內容；第三部分（第5～14 章）介紹深度卷積神經網路自數據準備開始，到模型參數初始化、不同網路部件的選擇、網路配置、網路模型訓練、不平衡數據處理，最終到模型集成等實踐套用技巧和經驗。本書並不是一本編程類書籍，而是希望通過“基礎知識”和“實踐技巧”兩方面使讀者從更高維度了解、掌握並成功構建針對自身套用問題的深度卷積神經網路。本書可作為深度學習和卷積神經網路愛好者的入門書籍，也可供沒有機器學習背景但希望能快速掌握該方面知識並將其套用於實際問題的各行從業者閱讀參考。

作者簡介

魏秀參

曠視科技（Face ）南京研究院負責人。南京大學LAMDA研究所博士，主要研究領域為計算機視覺和機器學習。在相關領域重要國際期刊和國際會議發表論文十餘篇，並兩次獲得國際計算機視覺相關競賽冠、亞軍。曾獲CVPR 2017佳審稿人、南京大學博士生校長特別獎學金等榮譽，擔任ICCV、CVPR、ECCV、NIPS、IJCAI、AAAI等國際會議PC member。（個人自媒體：知乎“魏秀參”，新浪微博“Wilson_NJUer”）

圖書目錄

第一部分緒論 / 1

第二部分基礎理論篇 / 9

1 卷積神經網路基礎知識 / 10

1.1 發展歷程 / 11

1.2 基本結構 / 13

1.3 前饋運算 / 16

1.4 反饋運算 / 16

1.5 小結 / 19

2 卷積神經網路基本部件/ 21

2.1 “端到端”思想/21

2.2 網路符號定義/ 23

2.3 卷積層/24

2.3.1 什麼是卷積/ 24

2.3.2 卷積操作的作用/27

2.4 匯合層/28

2.4.1 什麼是匯合/ 29

2.4.2 匯合操作的作用/30

2.5 激活函式/ 31

2.6 全連線層/ 33

2.7 目標函式/ 34

2.8 小結/ 34

3 卷積神經網路經典結構/ 35

3.1 CNN 網路結構中的重要概念/35

3.1.1 感受野/ 35

3.1.2 分散式表示/ 37

3.1.3 深度特徵的層次性 /39

3.2 經典網路案例分析/42

3.2.1 Alex-Net 網路模型/ 42

3.2.2 VGG-Nets 網路模型/46

3.2.3 Network-In-Network /48

3.2.4 殘差網路模型/49

3.3 小結/ 54

4 卷積神經網路的壓縮/ 56

解析深度學習：卷積神經網路原理與視覺實踐

基本介紹

內容簡介

作者簡介

圖書目錄

相關詞條

熱門詞條