人工智能與深度學習基礎
顧佼佼,劉玉超,張龍傑 等
- 出版商: 電子工業
- 出版日期: 2025-08-01
- 售價: $396
- 語言: 簡體中文
- 頁數: 344
- ISBN: 7121511096
- ISBN-13: 9787121511097
-
相關分類:
DeepLearning
下單後立即進貨 (約4週~6週)
商品描述
本書聚焦深度學習在計算機視覺領域的理論及應用，簡要介紹相關基礎知識之後，梳理並剖析經典CNN架構，如AlexNet、ZFNet、VGGNet、Inception、ResNet，改進的ResNeXt、Xception等，改進模塊SENet、SKNet，以及適宜於移動端部署的輕量級CNN模型SqueezeNet、MobileNet、ShuffleNet等。本書內容由淺入深、循序漸進，且保持了各章節內容的獨立性。讀者既可以單獨學習每一部分的知識，也可以“按圖索驥”找到相應的知識點。本書既可以作為教材使用，也可以作為專業開發者的參考用書。
目錄大綱
序
前?言
第1章?概述
1.1?身邊的人工智能
1.2?人工智能、機器學習、大數據、深度學習
1.3?人工智能的發展
1.4?學習建議
1.5?發展歷史
1.6?高性能計算力
1.7?軍事領域應用場景
1.8?本章小結
第2章?機器學習基礎
2.1?機器學習的主要分類
2.2?基本概念
2.3?梯度下降算法
2.4?分類器的數學表示
2.5?線性分類器的訓練
2.6?回歸問題的數學表示
2.7?本章小結
第3章?深層神經網絡
3.1?引入
3.2?常見的深層神經網絡結構
3.3?圖解神經網絡結構
3.4?神經網絡的訓練
3.5?激活函數：從線性到非線性
3.6?損失函數
3.7?優化算法
3.8?過擬合與正則化
3.9?本章小結
第4章?圖像處理與特征工程
4.1?圖像的表示形式
4.2?卷積與互相關
4.3?卷積提取圖像特征
4.4?特征提取：從特征設計到特征學習
4.5?方向梯度直方圖
4.6?本章小結
第5章?卷積神經網絡
5.1?視覺系統的啟發
5.2?CNN設計思路剖析
5.3?卷積神經網絡基本結構
5.4?卷積神經網絡的訓練
5.5?與傳統圖像識別框架對比分析
5.6?本章小結
第6章?經典CNN模型（AlexNet、ZFNet、VGGNet）
6.1?CNN模型在CV領域的發展歷程
6.2?感受野
6.3?一般架構
6.4?LeNet結構
6.5?AlexNet結構
6.6?ZFNet結構
6.7?NIN結構
6.8?VGGNet結構
6.9?深度回顧
第7章?經典CNN模型（Inception系列2014—2016）
7.1?啟發
7.2?GoogLeNet（Inception-V1）分析
7.3?Inception-V2分析
7.4?Inception-V3分析
7.5?Inception-V4分析
第8章?ResNet
8.1?深層網絡的退化問題
8.2?殘差學習
8.3?ResNet結構
8.4?訓練分析
8.5?主要改進思路
8.6?Inception ResNet
8.7?ResNeXt
8.8?Xception
8.9?DenseNet
8.10?VoVNet
第9章?SENet、SKNet中的可用模塊
9.1?SENet
9.2?SKNet
9.3?GCNet
9.4?CBAM
第10章?DCN
10.1?提出動機
10.2?基本思想
第11章?移動端之SqueezeNet
11.1?概述
11.2?SqueezeNet網絡結構
第12章?MobileNet系列
12.1?MobileNet V1
12.2?MobileNet V2
12.3?網絡結構
12.4?性能分析
12.5?總結分析
第13章?ShuffleNet系列
13.1?ShuffleNet V1
13.2?ShuffleNet V2
第14章?網絡結構綜合應用
14.1?深度學習模型架構
14.2?深度學習原理探究
14.3?1×1卷積深度理解
14.4?網絡調優
參考文獻
術語表
