☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

深度學習與計算機視覺：算法原理、框架應用與代碼實現

基本信息

• 作者：   
• 齣版社：
• ISBN：9787111573678
• 上架時間：2017-8-1
• 齣版日期：2017 年8月
• 開本：16開
• 版次：1-1
• 所屬分類：
   

目錄

序言 
前言 
第1篇 基礎知識
第1章 引言 2
1.1 人工智能的新焦點——深度學習 2
1.1.1 人工智能——神話傳說到影視漫畫 2
1.1.2 人工智能的誕生 3
1.1.3 神經科學的研究 4
1.1.4 人工神經網絡的興起 5
1.1.5 神經網絡的一次寒鼕 6
1.1.6 神經網絡的一次復興 8
1.1.7 神經網絡的第二次寒鼕 9
1.1.8 2006年——深度學習的起點 10
1.1.9 生活中的深度學習 11
1.1.10 常見深度學習框架簡介 12
1.2 給計算機一雙眼睛——計算機視覺 14
1.2.1 計算機視覺簡史 14
1.2.2 2012年——計算機視覺的新起點 16
1.2.3 計算機視覺的應用 17
1.2.4 常見計算機視覺工具包 19  

前言

為什麼要寫這本書
當本書編輯找到我時，我纔意識到，這兩年火爆程度堪比一綫城市房價的深度學習，在國內竟沒有幾本專門的中文書籍。目前市場上為數不多的有關深度學習的中文書，有大而全的名傢之作，但其中關於深度學習的內容隻有很少的一部分；有針對框架的工具書，但其偏重框架本身，缺少基礎知識和理論，就好像介紹瞭一把劍，卻沒教劍法；有科普型的書，主要作用是提振讀者自信，其實讀者並不能從中學到任何動手能力。重要的是，作為深度學習被應用多，也是有趣的領域——計算機視覺，卻沒有專門的書，這是筆者編寫這本書的初衷。
我並非計算機科班齣身，在轉嚮深度學習的過程中遇到瞭很多問題，總結瞭許多經驗。從寫書的角度來講，這沒準是個優勢。希望我在業界實際項目中的經驗，加上自學時總結的教訓，可以有效地幫助尚未進入深度學習和計算機視覺領域的讀者。
本書麵嚮有誌於進入深度學習和計算機視覺領域的學生和技術研發人員，通過介紹深度學習及計算機視覺中基礎的知識，並結閤常見的應用場景和大量實例，帶領讀者進入豐富多彩的計算機視覺領域。作為一本“原理+實踐”教程，本書用基本的公式推導加上大量的配圖和實例代碼，給讀者生動的內容，而不是枯燥的原理堆砌。
本書特色
注重原理和上手實戰。力求讀者在閱讀本書後，不僅能瞭解常見算法背後的思想，還能具備獨立開發常見的基於深度學習的計算機視覺算法的能力。
原理講解通俗易懂。本書能通過文字定性講解的就不用計算和公式，能用圖錶述的就不用文字。公式雖然不可避免，但盡量做到公式是講解和圖示的輔助，而不是需要細緻理解的部分。
大量原創代碼和圖示。本書結閤作者在實際工作中的經驗，將入門實戰的例子和其他示例力求做到實用性和趣味性並存，並將代碼分享到本書的github頁麵上供讀者下載。本書的github頁麵地址為https://frombeijingwithlove.github.io/dlcv_for_beginners/。
本書內容
本書共13章，分為2篇。
第1篇 基礎知識
第1章從曆史講起，介紹瞭深度學習和計算機視覺的基礎概念和常見應用。
第2章介紹瞭基礎的數學知識，包括綫性代數、概率、高維空間、捲積和數學優化。
第3章以神經網絡為重點，講解瞭機器學習和數據的基礎知識。
第4章在第3章的基礎上，介紹瞭捲積神經網絡的概念、原理和一些常見結構。
第2篇 實例精講
第5章介紹Python基礎，並通過小例子介紹瞭NumPy和matplotlib的基本使用。
第6章介紹瞭基於Python的OpenCV使用，並動手實現瞭數據增加小工具和物體框標注小工具。
第7章分彆通過MXNet和Caffe實現瞭簡單的神經網絡，以及結果的可視化。
第8章從頭開始一步步基於MNIST數據集，分彆實現瞭基於MXNet和Caffe的捲積神經網絡模型用於手寫數字識彆，並介紹瞭如何測試和評估模型。  

序言

深度學習與計算機視覺：算法原理、框架應用與代碼實現

深度學習與計算機視覺：算法原理、框架應用與代碼實現 計算機視覺機器學習算法教程書 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價