PyTorch深度學習之目標檢測

《PyTorch深度學習之目標檢測》是2022年中國水利水電出版社出版的圖書。

基本介紹

  • 中文名:PyTorch深度學習之目標檢測
  • 出版時間:2022年2月1日
  • 出版社:中國水利水電出版社
  • ISBN:9787522602653
內容簡介,圖書目錄,

內容簡介

《PyTorch深度學習之目標檢測》首先從人工智慧產業的發展史和機器“眼中”的圖像世界開始講述,逐步引導讀者進入機器學習的圖像處理當中;然後講解深度學習中實現目標檢測的主要算法,和以PyTorch框架為基礎構建的神經網路;最後的實戰部分詳細講解了如何使用目標檢測算法實現具體項目。
全書共10章,涵蓋內容包括:人工智慧的歷史和發展前景、深度學習的基礎知識、卷積神經網路基礎知識、PyTorch基礎、目標檢測算法、單階段目標檢測算法、雙階段目標檢測算法、神經網路示例、污損遮擋號牌識別實戰和地形目標識別實戰。

圖書目錄

第1章 人工智慧的歷史及發展前景
 1.1 人工智慧的誕生
 1.1.1 什麼是人工智慧
 1.1.2 AI發展簡史
 1.2 計算機視覺基礎
 1.2.1 機器“眼中”的圖像世界
 1.2.2 傳統的圖像處理方法
 1.3 深度學習的套用場景
 1.3.1 圖像分類
 1.3.2 圖像檢測
 1.3.3 圖像分割
 1.3.4 圖像描述
 1.3.5 圖像問答
 1.3.6 圖像生成
 1.4 小結
第2章 深度學習基礎知識
 2.1 神經網路實現方法
 2.1.1 前向傳播算法
 2.1.2 反向傳播算法
 2.2 自動梯度
 2.2.1 局部最*解與鞍點
 2.2.2 最*解的判別
 2.2.3 局部最*解與鞍點的解決辦法
 2.2.4 梯度爆炸與梯度消失
 2.3 參數更新
 2.3.1 激活函式
 2.3.2 最佳化器
 2.3.3 損失函式
 2.4 小結
第3章 卷積神經網路基礎
 3.1 常用卷積層操作合集
 3.1.1 卷積原理
 3.1.2 標準卷積
 3.1.3 深度卷積
 3.1.4 分組卷積
 3.1.5 空洞卷積
 3.2 可變形卷積
 3.2.1 可變形卷積原理
 3.2.2 可變形卷積結構
 3.3 目標分割之反卷積
 3.3.1 反卷積數學理論的推導
 3.3.2 反卷積在全卷積神經網路中的套用
 3.4 池化層操作合集
 3.4.1 特徵擴充之上採樣
 3.4.2 特徵提取之下採樣
 3.5 全連線層操作
 3.5.1 原理概述
 3.5.2 全連線層之間的連線
 3.6 數據歸一化
 3.6.1 什麼是數據歸一化
 3.6.2 Batch Normalization
 3.6.3 Layer Normalization
 3.6.4 Instance Normalization
 3.6.5 Group Normalization
 3.6.6 Switchable Normalization
 3.7 防過擬合操作
……

相關詞條

熱門詞條

聯絡我們