卷積神經網絡與視覺計算

[美]拉加夫·維凱特森（Ragav Venkatesan）李寶新（Baoxin Li） 錢亞冠 王濱

卷積神經網絡與視覺計算

買這商品的人也買了...

相關主題

商品描述

拉加夫·維凱特森、李寶新著的《卷積神經網絡與視覺計算》覆蓋內容主要包括設計和開發卷積神經網絡架構的一些基本知識。對於那些想要學習或構建深度視覺系統的工程師或學生來說，這本書會是一本非常好的入門讀物，可以幫助他們快速地進入這個領域。本書還提供了豐富的理論知識和實操案例，以及一系列完備的工具包，以幫助初學者獲得在理解和構建卷積神經網絡（CNN）時所必要的基本信息。本書的重點將集中在卷積神經網絡的基礎部分，而不會涉及在高級課程中才出現的一些概念（CNN相關話題）。

作者簡介

錢亞冠，博士、副教授、碩士生導師、中國計算機學會會員、中國自動化學會會員。畢業於浙江大學計算機系，獲工學博士學位。主要研究方向為人工智能安全、機器學習與大數據處理。已發表SCI／EI論文20餘篇。參與國家973、863、國家自然科學基金項目5項。主持浙江省自然科學基金、浙江省教育廳科研項目、浙江省雲計算工程技術中心開放課題多項，相關成果獲IEEE第三屆智慧城市國際會議優秀成果獎。

目錄大綱

譯者序
作者簡介
前言
致謝
第1章 視覺計算簡介
1.1 圖像表示基礎
1.1.1 變換域表示
1.1.2 圖像的直方圖
1.1.3 圖像梯度和邊緣
1.1.4 超越圖像梯度
1.2 基於Hough變換的直線檢測
1.3 Harris角點
1.4 尺度不變的特征變換
1.5 方向梯度直方圖
1.5.1 人工設計特征空間中的決策制定
1.5.2 貝葉斯決策
1.5.3 線性決策邊界
1.6 可變形零件模型的實例研究
1.7 計算機視覺向神經網絡轉變
本章小結
參考文獻
第2章 回歸問題中的機器學習
2.1 監督學習
2.2 線性模型
2.3 最小二乘法
2.4 極大似然估計的解釋
2.5 擴展到非線性模型
2.6 正則化
2.7 交叉驗證
2.8 梯度下降
2.9 幾何正則化
2.10 非凸誤差面
2.11 隨機梯度、批梯度及在線梯度下降
2.12 其他自適應學習率的更新規則
2.13 動量
本章小結
參考文獻
第3章 人工神經網絡
3.1 感知器
3.2 多層神經網絡
3.3 反向傳播算法
3.4 改進的反向傳播算法
3.4.1 激活函數
3.4.2 權重剪枝
3.4.3 批量標準化
本章小結
參考文獻
第4章 卷積神經網絡
4.1 卷積與池化層
4.2 卷積神經網絡
本章小結
參考文獻
第5章 卷積神經網絡的新進展
5.1 預訓練網絡
5.1.1 通用性和可傳遞性
5.1.2 利用預訓練網絡的模型壓縮
5.1.3 Mentee網絡與FitNet
5.1.4 使用預訓練網絡的應用：使用CNN的圖像美學
5.2 生成網絡
5.2.1 自動編碼器
5.2.2 生成對抗網絡
本章小結
參考文獻
附錄A Yann
後記

類似商品

最後瀏覽商品 (10)