- 商品参数
-
- 作者:
徐从安等著
- 出版社:人民邮电出版社
- 出版时间:2022-01
- ISBN:9781478636464
- 版权提供:人民邮电出版社
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!
2.店铺无纸质均开具电子,请联系客服开具电子版
内容介绍
本书着重阐述了深度学习时代的计算机视觉算法的工作原理,*先对深度学习与计算机视觉基础进行了介绍,之后对卷积*经网络结构的演化过程,以及基于深度学习的目标检测算法、图像分割算法、人体姿态估计算法、行人重识别与目标跟踪算法、人脸识别算法以及图像*分辨率重建方法进行了介绍。本书系统讲解了在日常生活和工作中常见的几项计算机视觉任务,并着重介绍了在当今深度学习时代,这些计算机视觉任务是如何工作的,可使读者快速了解这些算法原理,以及其相互之间的关系。本书适合*年级本科生、研究生、教师,以及对人工智能或计算机视觉算法感兴趣的工程技术人员阅读。
目录
第 *章 深度学习与计算机视觉基础 00*
*.* 人工智能简介 002
*.2 深度学习的崛起以及存在的问题 003
*.3 *经网络的基本概念 004
*.3.* 前馈*经网络 005
*.3.2 反向传播算法 005
*.3.3 权重系数更新 007
*.4 卷积*经网络原理 007
*.4.* CNN的起源与发展 008
*.4.2 CNN结构简介 009
*.4.3 CNN的其他组件 0*6
*.5 计算机视觉简介 0*9
参考文献 020
第 2章 基于深度学习的图像分类算法 023
2.* 图像分类——从*征设计到卷积*经网络结构设计 024
2.2 卷积*经网络结构演化 026
2.2.* 从LeNet到VGG 026
2.2.2 Inception系列 028
2.2.3 ResNet系列 029
2.2.4 DenseNet系列 03*
2.2.5 SqueezeNet系列 033
2.2.6 ShuffleNet系列 034
2.2.7 MobileNet系列 035
2.3 *经架构搜索 037
2.4 CNN的计算量与参数计算方法 037
2.5 小结 038
参考文献 039
第3章 基于深度学习的目标检测算法 043
3.* 目标检测——从*征设计到深度学习 044
3.*.* 任务简介 044
3.*.2 传统的目标检测算法 045
3.*.3 基于深度学习的目标检测方法 046
3.2 目标检测的重要概念 047
3.2.* 交并比和非*大值抑制 047
3.2.2 难负样本挖掘 048
3.2.3 边框回归 049
3.2.4 检测任务中的数据增广 050
3.2.5 先验框/默认边框/锚框 050
3.2.6 锚框与真实边框的匹配策略 05*
3.2.7 感受野 05*
3.2.8 RoI*征图映射 052
3.3 双*段检测算法 054
3.3.* 从R-CNN到Fast R-CNN 054
3.3.2 Faster R-CNN算法原理 057
3.4 单*段检测算法 06*
3.4.* YOLO检测算法 06*
3.4.2 SSD检测算法 067
3.5 融合单*段和双*段的算法 073
3.5.* 单*段检测算法及双*段检测算法的*点 073
3.5.2 RefineDet:结合单*段及双*段*点 074
3.6 从头训练的检测算法 075
3.6.* 从头训练的检测算法简介 075
3.6.2 *心设计CNN实现从头训练 076
3.6.3 从头训练的本质 077
3.7 检测任务中的级联设计 079
3.7.* 传统的级联检测算法 079
3.7.2 深度学习下的级联检测 079
3.8 多尺度目标检测 08*
3.8.* 问题描述以及常用方法 08*
3.8.2 多尺度训练/测试 082
3.8.3 *征金字塔融合多层*征 082
3.8.4 小尺寸目标检测 086
3.9 检测任务中的*平衡处理策略 087
3.9.* 双*段中的*平衡策略 087
3.9.2 单*段中的*平衡策略 088
3.*0 锚框的轮回 089
3.*0.* 锚框的起源 089
3.*0.2 现有检测算法中锚框的设计方法 090
3.*0.3 锚框存在的问题 09*
3.*0.4 *需要锚框的算法 092
3.** 目标检测的骨干网络设计 092
3.*2 检测算法加速 093
3.*2.* 检测流程的加速 094
3.*2.2 检测算法的轻量级网络 094
3.*3 自然场景文字检测 095
3.*4 遥感图像目标检测 096
3.*5 常用数据集和评*指标 098
参考文献 099
第4章 基于深度学习的图像语义分割算法 *03
4.* 图像语义分割简介 *04
4.2 语义分割研究难点 *05
4.3 语义分割算法模型 *06
4.3.* *卷积网络基础算法:FCN算法 *06
4.3.2 编码 解码结构算法:U-Net算法 *09
4.3.3 空洞卷积的应用:DeepLab系列 ***
4.4 图像实时语义分割 **7
4.4.* 实时语义分割简介 **7
4.4.2 ENet算法 **8
4.5 图像分割数据集以及评*指标 *22
4.5.* 图像分割数据集 *22
4.5.2 语义分割评估指标 *23
参考文献 *24
第5章 基于深度学习的人体姿态估计算法 *27
5.* 人体姿态估计任务简介 *28
5.*.* 任务简介 *28
5.*.2 面临的挑战 *30
5.*.3 方法概述 *30
5.2 单人姿态估计 *32
5.3 自*向下的多人姿态估计 *33
5.4 自底向上的多人姿态估计 *34
5.5 常用数据集以及评*指标 *36
参考文献 *36
第6章 基于深度学习的行人重识别与目标跟踪 *39
6.* 行人重识别任务简介 *40
6.*.* 任务简介 *40
6.*.2 工作流程 *4*
6.*.3 面临的挑战 *42
6.*.4 与行人跟踪和人脸验证的关系 *43
6.*.5 行人重识别数据集及评*指标 *44
6.2 *征提取和相似度度量 *44
6.3 行人重识别:从*局*征到局**征 *45
6.4 行人重识别:从表征学习到度量学习 *48
6.5 目标跟踪任务简介 *49
6.6 基于相关滤波的目标跟踪算法 *50
6.7 基于孪生网络的跟踪算法 *5*
参考文献 *53
第7章 基于深度学习的人脸识别 *55
7.* 任务简介 *56
7.*.* 人脸验证和人脸识别的区别 *56
7.*.2 图像分类和人脸识别的异同 *57
7.*.3 技术难点 *57
7.*.4 人脸识别算法原理 *58
7.2 Softmax原理及存在的问题 *60
7.2.* Softmax函数和Softmax损失 *60
7.2.2 Softmax存在的问题 *6*
7.3 度量损失 *62
7.3.* 对比损失 *62
7.3.2 三元组损失 *63
7.4 大间隔损失 *65
7.4.* L-Softmax *65
7.4.2 SphereFace *66
7.4.3 CosFace *67
7.4.4 ArcFace *67
7.4.5 大间隔损失总结 *68
7.5 *征规范化和权重规范化 *7*
参考文献 *72
第8章 基于深度学习的图像*分辨率重建方法 *75
8.* 任务简介 *76
8.2 传统方法 *79
8.2.* 基于插值的方法 *79
8.2.2 基于重建的方法 *80
8.2.3 基于学习的方法 *80
8.3 基于卷积*经网络的图像*分辨率重建方法 *8*
8.3.* 网络模型 *82
8.3.2 损失函数 *84
8.3.3 训练样本 *84
8.3.4 训练策略 *85
8.4 常用数据集与评*指标 *86
参考文献 *87
作者介绍
徐从安,工学博士,海军航空大学信息融合研究所副教授,清华大学访问*,入选中*科协青年人才托举工程。长期从事智能信息处理、计算机视觉研究,主持或参与*家自然科学基金、装备预研等课题项目*0余项,相关成果获省*级科技进步奖4项。发表SCI、EI收录论文30余篇,出版译著**,授权*利*0余项。 李健伟,工学博士,主要研究方向为计算机视觉、雷达和电子对抗等,发表学术论文*0余篇,牵头编写学术*著2本,获中*指挥与控制学会科学技术奖二等奖*项,构建了*内外*个用于SAR图像船舶目标检测的数据集SSDD。 董云龙,工学博士,海军航空大学信息融合研究所教授,主要研究方向为雷达信息处理、多源信息融合,主持雷达杂波抑制、目标检测、误差配准等相关科研项目20余项,曾获*家科技进步奖二等奖,省*级科技进步奖*等奖、二等奖共5项。 孙*,工学博士,主要研究方向为图像处理、计算机视觉等,发表SCI、EI收录论文*0余篇,参与编写学术*著2本,授权*利2项。
1