由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像深度学习经典案例解析(基于MATLAB)赵小川著
¥ ×1
基础篇
案例1:巧妇难为无米之炊:数据集的制作与加载/
1.1 机器学习中的数据集/
1.2 如何加载MATLAB自带的数据集/
1.3 如何加载自己制作的数据集/
1.4 如何加载公开数据集:以CIFAR-10为例/
1.5 如何划分训练集与验集/
1.6 如何扩充数据样本集/
案例2:小试牛刀:如何构建一个卷积神经网络/
2.1 CNN的核心——“卷积”/
2.2 卷积神经网络的结构及原理/
. 从仿生角度看卷积神经网络/
2.4 基于深度学习工具箱函数构卷积经网络/
2.5 采用 Deep Network Designer实现卷积网络设计/
2.6 与构建深度网络相关的函数/
案例3:精雕细琢:如何训练一个卷积神经网络/
3.1 基本概念一点通/
3.2 实例需求与实现步骤/
3.3 构建卷积神经网络/
3.4 训练卷积神经网络/
3.5 例程实现与解析/
应用篇
案例4:LeNet卷积神经网络的应用:红绿灯识别/
4.1 LeNet卷积神经网络/
4.2 基于改进LeNet的交通灯识别/
4.3 例程实现与解析/
案例5:AlexNet卷积神经网络的应用:基于迁移学习的图像分类/
5.1 什么是迁移学习/
5.2 从不同的角度看迁移学习/
5.3 AlexNet网络的原理/
5.4 基于AlexNet实现迁移学习的步骤/
5.5 AlexNet的加载方法/
5.6 如何对AlexNet进行改进以实现迁移学习/
5.7 本节所用到的函数解析/
5.8 例程实现与解析/
5.9 采用Deep Network Designer辅实现迁移学习/
案例6:VGG16卷积神经网络的应用:融合卷积神经网络与支持向量机的物体识别/
6.1 VGG16网络的原理及特点/
6.2 支持向量机分类的原理/
6.3 基于VGG16与SVM的物体识别/
6.4 例程实现与解析/
案例7:LSTM长短期记忆神经网络的应用:心电图信号分类/
7.1 从时间的角度看序列数据/
7.2 序列建模之循环神经网络/
7.3 基于门与记忆细胞构建序列模型的“长期依赖关系”/
7.4 基于LSTM实现心电图信号分类的步骤/
7.5 本节所用到的函数解析/
7.6 例程实现与解析/
案例8:ResNet残差网络的应用:新冠肺炎胸片检测/
8.1 深度学习技术在抗击疫情中的应用/
8.2 ResNet网络简介/
8.3 基于ResNet的新冠肺炎胸片检测的实现步骤/
8.4 ResNet的加载方法/
8.5 对ResNet进行调整以实现迁移学习/
8.6 例程实现与解析/
实战篇
案例9:让机器的眼睛认识标志:基于RCNN的交通标志检测/
9.1 目标分类、检测与分割/
9.2 目标检测及其难点问题/
9.3 R-CNN目标检测算法的原理及实现过程/
9.4 基于Image Labeler的RCNN目标检测器构建/
案例10:让机器的眼睛检测车辆:基于Video Labeler的车辆目标检测/
10.1 车辆目标检测的需求/
10.2 利用Video Labeler实现车辆目标检测的步骤/
案例11:让机器的耳朵听明白声音:基于LSTM的日语元音序列分类示例/
11.1 利用LSTM实现日语元音序列分类的步骤/
11.2 日语元音序列分类程序详解/
案例12:深度学习力医学发展:基于Inception-v3网络迁移学习的视网膜病变检测/
12.1 Inception-v3深度网络介绍/
12.2 Kaggle竞赛眼疾检测数据集/
1. 数据集预处理/
12.4 在InceptionV3上应用迁移学习实现DR图像分类/
12.5 例程实现与解析/
12.6 通过类激活映来辅诊断/
案例13:知己知彼:深度神经网络的脆弱及AI对抗技术/
13.1 深度神经网络的脆弱/
13.2 AI对抗技术及其发展趋势/
案例14:识音辨意:基于深度学习的语音识别/
14.1 下载Spech Commands Dataset数据集/
14.2 标注数据集/
14.3 划分训练集、验集和测试集/
14.4 对音频原始文件预处理/
14.5 建立网络/
14.6 训练网络/
14.7 评价结果/
14.8 网络的大小与单次推理时间/
案例15:方便快捷:深度学习模型代码的自动生成/
15.1 深度学习网络模型:从开发到部署/
15.2 MATLAB生成推理模型代码的步骤/
15.3 安装GPU平台的代码生成工具/
15.4 代码生成例程实现与解析/
案例16:互通共享:如何将在Keras中设计训练的网络导入MATLAB深度学习工具箱中/
16.1 导入网络的详细步骤/
16.2 例程实现与解析/
案例17:快速部署:如何将训练好的深度神经网络部署到树莓派上/
17.1 什么是树莓派/
17.2 SqueezeNet简介/
17.3 自动生成C++代码及其在树莓派上的实现/
参考文献
赵小川,博士,研究员,博士生导师,高新技术企业评审专家、武警装备智能化专家委员会委员;北京市科学技术委员会、自然科学委员会、陆军装备部项目评审专家;核心期刊《计算机工程》青年编委;期刊Robotica和《计算机应用研究》的审稿专家。研究方向为人工智能技术,在感知智能、交互智能、仿生智能等方面有所突破和创新;近年来,作为项目负责人主持科研项目共计20余项;以作发明人获得发明专利12项。
1. 案例丰富:通过17个综合案例介绍深度学习网络的构建、训练、应用及部署的技巧2. 实例专业:涵盖交通标识检测、语音识别、车辆检测、肺炎胸片检测等应用
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格