返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 卷积神经网络与计算机视觉 (澳)萨尔曼·汗(Salman Khan) 等 著 黄智濒,戴志涛 译 专业科技 文轩网
  • 新华书店正版
    • 作者: [澳] 萨尔曼·汗(Salman Khan)等著 | | 黄智濒 戴志涛译
    • 出版社: 机械工业出版社
    • 出版时间:2019-04-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [澳] 萨尔曼·汗(Salman Khan)等著| 黄智濒 戴志涛译
    • 出版社:机械工业出版社
    • 出版时间:2019-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2019-04-01
    • 字数:null千字
    • 页数:184
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    卷积神经网络与计算机视觉

    作  者:(澳)萨尔曼·汗(Salman Khan) 等 著 黄智濒,戴志涛 译
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2019年04月01日
    页  数:184
    装  帧:平装
    ISBN:9787111622888
    主编推荐

    内容简介

    本书自成一体,如果你既想了解CNN的原理,又想获得将CNN应用于计算机视觉的一手经验,那么本书将非常适合阅读。书中对CNN进行了全面介绍,首先是神经网络的基本概念:训练、正则化和优化。然后讨论了各种各样的损失函数、网络层和流行的CNN架构,回顾了评价CNN的不同技术,并介绍了一些常用的CNN工具和库。此外,本书还分析了CNN在计算机视觉中的应用案例,包括图像分类、对象检测、语义分割、场景理解和图像生成。

    作者简介

    精彩内容

    目录
    译者序
    前言
    致谢
    作者简介
    第1章简介
    1.1什么是计算机视觉
    1.1.1应用案例
    1.1.2图像处理与计算机视觉
    1.2什么是机器学习
    1.2.1为什么需要深度学习
    1.3本书概览
    第2章特征和分类器
    2.1特征和分类器的重要性
    2.1.1特征
    2.1.2分类器
    2.2传统特征描述符
    2.2.1方向梯度直方图
    2.2.2尺度不变特征变换
    2.2.3加速健壮特征
    2.2.4传统的手工工程特征的局限性
    2.3机器学习分类器
    2.3.1支持向量机
    2.3.2随机决策森林
    2.4总结
    第3章神经网络基础
    3.1引言
    3.2多层感知机
    3.2.1基础架构
    3.2.2参数学习
    3.3循环神经网络
    3.3.1基础架构
    3.3.2参数学习
    3.4与生物视觉的关联
    3.4.1生物神经元模型
    3.4.2神经元的计算模型
    3.4.3人工神经元与生物神经元
    第4章卷积神经网络
    4.1引言
    4.2神经网络层
    4.2.1预处理
    4.2.2卷积层
    4.2.3池化层
    4.2.4非线性
    4.2.5全连接层
    4.2.6转置卷积层
    4.2.7感兴趣区域的池化层
    4.2.8空间金字塔池化层
    4.2.9局部特征聚合描述符层
    4.2.10空间变换层
    4.3CNN损失函数
    4.3.1交叉熵损失函数
    4.3.2SVM铰链损失函数
    4.3.3平方铰链损失函数
    4.3.4欧几里得损失函数
    4.3.5.1误差
    4.3.6对比损失函数
    4.3.7期望损失函数
    4.3.8结构相似性度量
    第5章CNN学习
    5.1权重初始化
    5.1.1高斯随机初始化
    5.1.2均匀随机初始化
    5.1.3正交随机初始化
    5.1.4无监督的预训练
    5.1.5泽维尔(Xavier)初始化
    5.1.6ReLU敏感的缩放初始化
    5.1.7层序单位方差
    5.1.8有监督的预训练
    5.2CNN的正则化
    5.2.1数据增强
    5.2.2随机失活
    5.2.3随机失连
    5.2.4批量归一化
    5.2.5集成模型平均
    5.2.6.2正则化
    5.2.7.1正则化
    5.2.8弹性网正则化
    5.2.9优选范数约束
    5.2.10早停
    5.3基于梯度的CNN学习
    5.3.1批量梯度下降
    5.3.2随机梯度下降
    5.3.3小批量梯度下降
    5.4神经网络优化器
    5.4.1动量
    5.4.2涅斯捷罗夫动量
    5.4.3自适应梯度
    5.4.4自适应增量
    5.4.5RMSprop
    5.4.6自适应矩估计
    5.5CNN中的梯度计算
    5.5.1分析微分法
    5.5.2数值微分法
    5.5.3符号微分法
    5.5.4自动微分法
    5.6通过可视化理解CNN
    5.6.1可视化学习的权重
    5.6.2可视化激活
    5.6.3基于梯度的可视化
    第6章CNN架构的例子
    6.1LeNet
    6.2AlexNet
    6.3NiN
    6.4VGGnet
    6.5GoogleNet
    6.6ResNet
    6.7ResNeXt
    6.8FractalNet
    6.9DenseNet
    第7章CNN在计算机视觉中的应用
    7.1图像分类
    7.1.1PointNet
    7.2目标检测与定位
    7.2.1基于区域的CNN
    7.2.2快速R.CNN
    7.2.3区域建议网络
    7.3语义分割
    7.3.1全卷积网络
    7.3.2深度反卷积网络
    7.3.3DeepLab
    7.4场景理解
    7.4.1DeepContext
    7.4.2从RGB.D图像中学习丰富的特征
    7.4.3用于场景理解的PointNet
    7.5图像生成
    7.5.1生成对抗网络
    7.5.2深度卷积生成对抗网络
    7.5.3超分辨率生成对抗网络
    7.6基于视频的动作识别
    7.6.1静止视频帧的动作识别
    7.6.2双流CNN
    7.6.3长期递归卷积网络
    第8章深度学习工具和库
    8.1Caffe
    8.2TensorFlow
    8.3MatConvNet
    8.4Torch7
    8.5Theano
    8.6Keras
    8.7Lasagne
    8.8Marvin
    8.9Chainer
    8.10PyTorch
    第9章结束语
    9.1本书概要
    9.2未来研究方向
    术语表
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购