基於深度學習的目標檢測與識別技術

譚志 著

  • 出版商: 化學工業
  • 出版日期: 2021-08-01
  • 定價: $348
  • 售價: 7.9$275
  • 語言: 簡體中文
  • 頁數: 158
  • 裝訂: 平裝
  • ISBN: 7122393674
  • ISBN-13: 9787122393678
  • 相關分類: DeepLearning
  • 立即出貨 (庫存 < 4)

買這商品的人也買了...

商品描述

本書從深度學習的發展歷程開始,系統介紹了基於深度學習的目標檢測的基本問題及其相關處理方法與技術,
主要內容涉及兩階段和單階段目標檢測的理論、算法和研究成果。
本書共6章,包括深度學習神經網絡類型、目標檢測技術、基於Faster R-CNN的目標檢測改進算法、
領域自適應及其在目標檢測技術上的典型應用、圖像識別模型改進及面部表情識別、結論與展望等內容。
本書主要面向人工智能、自動化、電子信息、計算機等專業高年級本科生以及控制科學與工程、
信息與通信工程、計算機科學與技術等學科研究生,幫助讀者了解目標檢測技術的發展過程、
基本知識與原理,同時也可供高校相關專業教師、科研人員和工程技術人員閱讀參考。

作者簡介

譚志,北京建築大學,副教授、工程師、系主任,博士(後)、加拿大英屬哥倫比亞大學訪問學者、中國人工智能學會會員服務工作委員會常務委員、碩士生導師、北京建築大學電信學院自動化系主任。
2008年獲北京市中青年骨干教師稱號。
發表了40多篇學術論文,專著、譯著、主編教材6部。
主持了教育部人文社會科學研究專項任務(工程科技人才培養研究)、北京市社會科學基金項目、北京市教委項目等10多項。

目錄大綱

第1章深度學習神經網絡類型/001
1.1深度學習簡介001
1.2主要深度學習網絡原理004
1.2.1堆疊自編碼器005
1.2.2卷積神經網絡006
1.2.3深度信念網絡008
1.2.4遞歸神經網絡009
1.2.5生成對抗網絡011
1.3深度學習實際應用014
1.3.1目標檢測與識別014
1.3.2語音識別016
1.3.3文本識別017
1.4深度學習面臨挑戰018
1.4.1理論挑戰018
1.4.2工程挑戰020
參考文獻021

第2章基於深度學習的目標檢測技術/025
2.1目標檢測技術025
2.1.1目標檢測概念025
2.1.2目標檢測評價指標027
2.1.3目標檢測數據集029
2.2目標檢測方法030
2.2.1傳統目標檢測方法031
2.2.2深度學習目標檢測方法033
2.3基於區域的兩階段檢測器035
2.3.1R-CNN035
2.3.2SPPNet037
2.3.3Fast R-CNN038
2.3.4Faster R-CNN039
2.3.5FPN042
2.4基於區域的單階段檢測器042
2.4.1YOLO檢測器042
2.4.2其他檢測器048
2.5深度學習目標檢測開源框架050
2.5.1TensorFlow框架050
2.5.2PyTorch框架051
2.5.3PaddlePaddle框架052
參考文獻053

第3章基於Faster R-CNN的目標檢測技術/055
3.1Faster R-CNN算法056
3.2基於Faster R-CNN的目標檢測改進算法060
3.2.1特徵提取層優化060
3.2.2候選區域生成改進063
3.2.3雙線性插值的ROI歸一化064
3.2.4確定超參數065
3.2.5優化算法參數選擇067
3.2.6網絡參數調整策略069
3.3實驗結果及分析078
參考文獻078

第4章基於領域自適應的目標檢測技術/079
4.1領域自適應概述079
4.1.1領域自適應與領域泛化080
4.1.2相關概念數學描述083
4.1.3深度領域自適應方法分類085
4.1.4領域自適應的不同形式087
4.2領域自適應技術089
4.2.1無監督單源域單目標域自適應技術089
4.2.2無監督多目標域自適應技術091
4.3領域自適應的目標檢測技術094
4.3.1基於領域漸進策略的目標檢測技術095
4.3.2基於Faster R-CNN的領域自適應目標檢測技術099
參考文獻104

第5章基於深度學習的圖像識別技術/106
5.1圖像識別模型介紹106
5.2圖像識別模型改進算法109
5.2.1最小加權隨機搜索算法109
5.2.2E-S判斷方法112
5.2.3構建小型捲積神經網絡113
5.2.4改進算法的執行過程114
5.3基於改進算法的三種改進模型117
5.4實驗結果及分析121
5.5融入註意力機制的殘差網絡面部表情識別方法129
5.5.1注意力機制130
5.5.2殘差網絡134
5.5.3面部表情識別136
5.5.4融入註意力的殘差網絡人臉表情識別方法138
5.5.5實現過程145
5.5.6結論146
參考文獻149

第6章結論與展望/152
6.1結論152
6.2發展趨勢153
6.3目標檢測應用面臨的挑戰155
參考文獻158