計算機視覺——基於Python,Keras和TensorFlow的深度學習方法

《計算機視覺——基於Python,Keras和TensorFlow的深度學習方法》是2022年清華大學出版社出版的圖書，作者是[愛]維哈夫·弗登（Vaibhav Verdhan）。

基本介紹

• 中文名： 計算機視覺——基於Python,Keras和TensorFlow的深度學習方法
• 作者：[愛]維哈夫·弗登（Vaibhav Verdhan）
• 出版時間：2022年
• 出版社： 清華大學出版社
• ISBN： 9787302599425  
• 定價：69 元

內容簡介

第1章計算機視覺和深度學習簡介

1.1使用OpenCV處理圖像

1.1.1使用OpenCV檢測顏色

1.1.2使用OpenCV檢測形狀

1.1.3使用OpenCV檢測人臉

1.2深度學習的基礎知識

1.2.1神經網路背後的動力

1.2.2神經網路中的層

1.2.3神經元

1.2.4超參數

1.2.5ANN的連線與權重

1.2.6偏置項

1.2.7激活函式

1.2.8學習率

1.2.9反向傳播

1.2.10過度擬合

1.2.11梯度下降算法

1.2.12損失函式

1.3深度學習的工作原理

1.3.1深度學習過程

1.3.2流行的深度學習程式庫

1.4小結

習題

拓展閱讀

第2章面向計算機視覺的深度學習

2.1使用TensorFlow和Keras進行深度學習

2.2張量

2.3卷積神經網路

2.3.1卷積

2.3.2池化層

2.3.3全連線層

2.4開發基於CNN的深度學習解決方案

2.5小結

習題

拓展閱讀

第3章使用LeNet進行圖像分類

3.1深度學習的網路架構

3.2LeNet架構

3.2.1LeNet1架構

3.2.2LeNet4架構

3.2.3LeNet5架構

3.2.4增強LeNet4架構

3.3使用LeNet創建圖像分類模型

3.3.1使用LeNet進行MNIS...

圖書目錄

第1章計算機視覺和深度學習簡介

1.1使用OpenCV處理圖像

1.1.1使用OpenCV檢測顏色

1.1.2使用OpenCV檢測形狀

1.1.3使用OpenCV檢測人臉

1.2深度學習的基礎知識

1.2.1神經網路背後的動力

1.2.2神經網路中的層

1.2.3神經元

1.2.4超參數

1.2.5ANN的連線與權重

1.2.6偏置項

1.2.7激活函式

1.2.8學習率

1.2.9反向傳播

1.2.10過度擬合

1.2.11梯度下降算法

1.2.12損失函式

1.3深度學習的工作原理

1.3.1深度學習過程

1.3.2流行的深度學習程式庫

1.4小結

習題

拓展閱讀

第2章面向計算機視覺的深度學習

2.1使用TensorFlow和Keras進行深度學習

2.2張量

2.3卷積神經網路

2.3.1卷積

2.3.2池化層

2.3.3全連線層

2.4開發基於CNN的深度學習解決方案

2.5小結

習題

拓展閱讀

第3章使用LeNet進行圖像分類

3.1深度學習的網路架構

3.2LeNet架構

3.2.1LeNet1架構

3.2.2LeNet4架構

3.2.3LeNet5架構

3.2.4增強LeNet4架構

3.3使用LeNet創建圖像分類模型

3.3.1使用LeNet進行MNIS...