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:

  • 《深度学习与目标检测:工具、原理与算法》AI和计算机视觉专家在阿里、腾讯、百度的经验总结,工具、原理、算法3个维度快速入
  • 新华书店正版
    • 作者: 涂铭,金智勇著
    • 出版社: 机械工业出版社
    • 出版时间:2021-09-01 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: 涂铭,金智勇著
    • 出版社:机械工业出版社
    • 出版时间:2021-09-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-09-01
    • 字数:109
    • 页数:236
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111690344
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    《深度学习与目标检测:工具、原理与算法》AI和计算机视觉专家在阿里、腾讯、百度的经验总结,工具、原理、算法3个维度快速入门目标检测,附源数据和代码

    作  者:涂铭,金智勇 著
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2021年09月01日
    页  数:236
    装  帧:平装
    ISBN:9787111690344
    主编推荐

    (1)作者背景深厚:两位作者是AI和计算机视觉方面的专家,在阿里、腾讯、百度等企业有超过10年的相关工作经验;(2)内容结构讲究:针对初学者需求精心安排,从预备知识、深度学习基础,到目标检测算法和工程案例,由浅入深,理论与实践结合;(3)内容通俗易懂:语言通俗,逻辑性强;尽量绕开复杂的数学公式推导,无需数学基础,降低读者的阅读门槛;(4)丰富实战案例:内容遵循知识点背景介绍→原理讲解→案例分析的思路,提供大量案例;(5)提供源码下载:第2~11章均提供源数据和完整代码,代码均经过严格测试,可直接在Github上下载。

    内容简介

    这是一本从工具、原理、算法3个维度指导读者零基础快速掌握目标检测技术及其应用的入门书。两位作者是资深的AI技术专家和计算机视觉算法专家,在阿里、腾讯、百度、三星等大企业从事计算机视觉相关的工作多年,不仅理论功底扎实、实践经验丰富,而且知道初学者进入计算机视觉领域的痛点和难点。据此,两位作者编写了这本针对目标检测初学者的入门书,希望从知识体系和工程实践的角度帮助读者少走弯路。~2章是目标检测的准备工作,主要介绍了目标检测的常识、深度学习框架的选型、开发环境的搭建以及数据处理工具的使用。第3~5章是目标检测的技术基础,主要讲解了数据预处理和卷积神经网络等图像分类技术的基础知识。第6章比较详细地介绍了香港中文大学的开源算法库mmdetection。第7~10章详细地讲解了目标检测的概念、原理、一阶段算法、二阶段算法以及提升算法性能的常用方法。1章简单介绍了目标检测的相关案例(以工业为背景),以帮null

    作者简介

    作者简介涂铭? 资深数据架构师和人工智能技术专家,现就职于腾讯,曾就职于阿里。对大数据、自然语言处理、图像识别、Python、Java等相关技术有深入的研究,积累了丰富的实践经验。? 在工业领域曾参与了燃煤优化、设备故障诊断以及正泰光伏电池片和组件EL图像检测项目;在自然语言处理方面,曾担任导购机器人项目的架构师,开发机器人的语义理解、短文本相似度匹配、上下文理解,以及通过自然语言检索产品库,在项目中构建了NoSQL+文本检索等大数据架构,同时负责问答对的整理和商品属性的提取,带领NLP团队构建了语义解析层。? 合著有畅销书《Python自然语言处理实战:核心技术与算法》《深度学习与图像识别:原理与实践》《会话式AI:自然语言处理与人机交互》。? 金智勇? 计算机视觉算法专家,在计算机视觉领域深耕12年。现就职于百度,曾就职于阿里和三星等知名高新技术企业。业务领域涵盖增强现null

    精彩内容

    目录
    前言章  目标检测概述 11.1  什么是目标检测 11.2  典型的应用场景 21.2.1  人脸识别 21.2.2  智慧交通 21.2.3  工业检测 31.3  目标检测技术发展简史 31.3.1  传统算法 41.3.2  深度学习算法 51.4  目标检测领域重要的公开评测集 81.5  本章小结 11第2章  目标检测前置技术 122.1  深度学习框架 122.1.1  Theano 122.1.2  TensorFlow 132.1.3  MXNet 142.1.4  Keras 152.1.5  PyTorch 152.1.6  Caffe 162.2  搭建开发环境 172.2.1  Anaconda 172.2.2  Conda 192.2.3  PyTorch的下载与安装 212.3  NumPy使用详解 222.3.1  创建数组 222.3.2  创建NumPy数组 242.3.3  获取NumPy属性 272.3.4  NumPy数组索引 282.3.5  切片 282.3.6  NumPy中的矩阵运算 292.3.7  数据类型转换 312.3.8  NumPy的统计计算方法 312.3.9  NumPy中的arg运算 322.3.10  FancyIndexing 332.3.11  NumPy数组比较 332.4  本章小结 35第3章  卷积神经网络 363.1  卷积神经网络基础 363.1.1  全连接层 363.1.2  卷积层 373.1.3  池化层 423.1.4  三维数据的卷积运算 443.1.5  批规范化层 453.1.6  Dropout层 473.2  本章小结 48第4章  数据预处理 494.1  数据增强 494.1.1  resize操作 504.1.2  crop操作 514.1.3  随机的水平和竖直翻转 524.1.4  随机角度的旋转 534.1.5  亮度、对比度和颜色的随机变化 544.1.6  彩色图转灰度图 554.2  数据的探索—Kaggle猫狗大战 564.3  本章小结 64第5章  常见卷积神经网络结构 655.1  LeNet神经网络 655.2  AlexNet神经网络 705.3  VGGNet神经网络 775.4  GoogLeNet神经网络 815.4.1  inception模块 835.4.2  GoogLeNet的实现 855.4.3  GoogLeNet的演变 885.5  ResNet 895.5.1  残差模块 905.5.2  ResNet模型 925.6  DenseNet 925.7  其他网络结构 955.8  实战案例 965.9  计算图像数据集的RGB均值和方差 985.10  本章小结 99第6章  mmdetection工具包介绍 1006.1  mmdetection概要 1006.2  mmdetection支持的检测框架和算法实现 1016.3  搭建mmdetection开发环境 1026.4  使用入门 1036.4.1  使用预训练模型进行推理 1036.4.2  训练模型 1056.4.3  有用的工具 1066.4.4  如何使用mmdetection 1086.5  标注图像 1106.6  实战案例 1126.6.1  检测人体 1136.6.2  检测猫和狗 1156.7  本章小结 120第7章  目标检测的基本概念 1217.1  概念详解 1217.1.1  IoU计算 1227.1.2  NMS操作 1227.1.3  感受野 1247.1.4  空洞卷积 1287.1.5  评价指标mAP 1297.2  本章小结 131第8章  两阶段检测方法 1328.1  R-CNN算法 1328.1.1  生成候选区域 1328.1.2  类别判定 1338.1.3  位置修正 1368.1.4  检测过程 1378.1.5  R-CNN算法的重要意义 1388.2  SPP-Net算法 1398.2.1  空间金字塔采样 1398.2.2  网络训练 1418.2.3  测试过程 1428.3  Fast R-CNN算法及训练过程 1438.3.1  ROI池化层 1448.3.2  模型训练 1448.3.3  测试过程 1478.4  Faster R-CNN算法及训练过程 1478.4.1  候选框提取网络 1488.4.2  RPN和Fast R-CNN共享特征的方法 1528.5  Faster R-CNN代码解析 1538.5.1  代码整体结构 1538.5.2  数据加载 1588.5.3  构建主干网络 1608.5.4  候选框提取网络 1618.5.5  对候选框进行分类和位置校正 1638.5.6  算法模型架构图 1658.6  本章小结 165第9章  检测算法的进一步改进 1679.1  特征金字塔 1679.1.1  特征金字塔结构 1679.1.2  FPN代码解析 1709.2  焦点损失函数 1749.3  本章小结 1750章  一阶段检测算法 17610.1  YOLO算法 17610.1.1  YOLO版 17610.1.2  YOLO第二版 18210.1.3  YOLO第三版 18510.2  SSD算法 19610.2.1  SSD算法原理 19710.2.2  训练方法 19710.2.3  SSD代码解析 20110.3  FCOS算法 20810.3.1  FCOS算法原理 20810.3.2  FCOS源码解析 21310.4  本章小结 2171章  工业AI的发展 21811.1  工业AI的概念和互联网 21811.2  工业AI落地应用 21911.2.1  工业AI的典型场景 22011.2.2  工业AI落地背后的本质 22111.2.3  展望 22111.3  工业生产

    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