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:
本店所有商品

  • [正版新书]深度学习框架下目标检测关键技术及应用研究 韩明、王敬涛、刘智国 清华大学出版社 深度学习应用研究
  • 新商品上架
    • 作者: 韩明著
    • 出版社: 清华大学出版社
    • 出版时间:2025-02
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 韩明著
    • 出版社:清华大学出版社
    • 出版时间:2025-02
    • 开本:16开
    • ISBN:9787302683865
    • 版权提供:清华大学出版社

     书名:  深度学习框架下目标检测关键技术及应用研究
     出版社:  清华大学出版社
     出版日期  2025
     ISBN号:  9787302683865
    本书主要阐述了人工智能领域中深度学习涉及的多种网络架构算法,详细阐述了YOLO系列和轻量化模型的网络架构和工作原理以及进行的多方面改进和提升。将改进后的网络模型在电力线路巡检及典型设备的识别和检测、烟支空稀头检测和公共环境中的吸烟检测等场景中进行实验和应用。

    韩明,1984年生,男,工学博士,副教授,硕士生导师,河北工业大学博士后,研究方向为:模式识别与图像处理,物联网技术,人工智能。现任石家庄学院软件工程系主任,中国物联网大赛专家库专家,石家庄市科技局专家库专家。河北省青年拔尖人才,河北省“三三三人才工程”第三层次人选,河北省“冀青之星”,石家庄市青年拔尖人才,石家庄市五四年奖章提名奖,石家庄市高等学校“双师双能”骨干教师。

    目前人工智能技术迅速发展,本书利用人工智能技术中的深度学习技术进行目标检测和应用研究,具有广阔的市场应用前景。

    目录


    第1章绪论

    1.1研究背景与意义

    1.2国内外研究现状

    1.2.1电力线提取研究现状

    1.2.2绝缘子识别研究现状

    1.2.3输电线路异物检测研究现状

    1.2.4烟支缺陷检测方法研究现状

    1.3目标检测算法的鲁棒性研究

    1.4主要研究内容

    参考文献


    第2章基于深度学习的目标检测相关理论

    2.1卷积神经网络

    2.1.1神经网络

    2.1.2卷积神经网络原理

    2.1.3卷积神经网络的训练过程

    2.2目标检测算法

    2.2.1双阶段目标检测算法

    2.2.2单阶段目标检测算法

    2.2.3基于迁移学习的目标检测算法

    2.3目标检测性能评价指标

    2.4本章小结

    参考文献


    第3章基于改进的Deeplabv3+网络的电力线提取研究

    3.1Deeplabv3+基础网络

    3.1.1编码器解码器结构

    3.1.2Xception主干网络

    3.1.3深度可分离卷积

    3.1.4ASPP模块

    3.2改进的Deeplabv3+网络

    3.2.1改进的轻量化Mobilenetv2网络

    3.2.2改进ASPP模块

    3.2.3提出CASEB模块

    3.2.4引入CBAM

    3.3实验过程

    3.3.1数据集来源

    3.3.2数据增强

    3.3.3实验环境

    3.3.4评价指标

    3.4实验结果与分析

    3.4.1消融实验

    3.4.2模型训练稳定性实验

    3.4.3主流算法对比实验

    3.5本章小结

    参考文献


    第4章基于改进的YOLOv7网络的绝缘子识别研究

    4.1YOLOv7基础网络

    4.2改进的YOLOv7网络

    4.2.1添加ECA模块

    4.2.2引入BiFPN模块

    4.2.3替换上采样算子

    4.2.4K均值算法聚类

    4.3实验过程

    4.3.1数据集来源及扩充

    4.3.2实验环境

    4.3.3评价指标

    4.4实验结果与分析

    4.4.1消融实验

    4.4.2模型稳定性实验

    4.4.3主流算法对比

    4.4.4可视化结果对比

    4.5本章小结

    参考文献


    第5章基于改进的YOLOv5输电线路异物检测算法

    5.1目标检测概述

    5.2基于深度学习网络的目标检测算法研究

    5.2.1Faster R-CNN目标检测算法

    5.2.2SDD目标检测算法

    5.2.3YOLO目标检测算法

    5.3基于改进的YOLOv5输电线路异物检测

    5.3.1基于YOLOv5网络的目标检测算法

    5.3.2改进主干网络的YOLOv5算法

    5.3.3融入SENet注意力机制的YOLOv5算法

    5.3.4改进多尺度融合的YOLOv5算法

    5.4实验过程

    5.4.1实验环境

    5.4.2实验数据及其预处理

    5.4.3评价指标

    5.5实验结果与分析

    5.6本章小结

    参考文献


    第6章基于改进的YOLOv5异物检测算法鲁棒性研究

    6.1样本的生成方法

    6.1.1FGSM算法

    6.1.2BIM算法

    6.1.3PGD算法

    6.1.4基于热重启机制的PGD算法

    6.2基于数据漂移鲁棒性的研究方法

    6.2.1数据重采样方法

    6.2.2有监督的样本学习方法

    6.2.3无监督的样本学习方法

    6.2.4基于多尺度特征融合的自监督学习方法

    6.3实验结果与分析

    6.3.1鲁棒性能评价指标

    6.3.2输电线路异物检测算法对抗攻击实验分析

    6.3.3基于输电线路异物检测算法漂移鲁棒性实验分析

    6.4本章小结

    参考文献


    第7章基于深度学习的烟支空稀头缺陷检测算法

    7.1基于改进的YOLOv5s烟支空稀头缺陷检测算法

    7.1.1YOLOv5s模型

    7.1.2基于双向CGhost-YOLOv5s算法

    7.1.3实验结果与分析

    7.2基于改进的YOLOv7烟支空稀头缺陷检测算法

    7.2.1基于全维注意力机制的Re-YOLOv7算法

    7.2.2实验结果与分析

    7.3本章小结

    参考文献


    第8章烟支空稀头缺陷检测管理系统设计与实现

    8.1烟支空稀头缺陷检测管理系统概述

    8.1.1软硬件环境配置

    8.1.2系统开发工具介绍

    8.2烟支空稀头缺陷检测管理系统的总体设计

    8.2.1功能需求分析

    8.2.2系统结构设计

    8.3烟支空稀头缺陷检测管理系统的功能实现

    8.4烟支空稀头缺陷检测管理系统的测试与分析

    8.5本章小结


    第9章基于改进的YOLOv7-tiny算法的吸烟目标检测研究

    9.1本章算法

    9.1.1YOLOv7-tiny算法

    9.1.2SGEN-YOLOv7-tiny网络模型

    9.1.3改进的EMA注意力机制

    9.2S-GD机制

    9.2.1Slim-Low-GD模块

    9.2.2High-GD模块

    9.2.3改进的信息注入模块

    9.2.4改进的VoV-GSCSP模块

    9.3损失函数NWD

    9.4实验过程

    9.4.1实验环境及参数

    9.4.2数据集

    9.4.3性能指标

    9.4.4对比实验

    9.4.5消融实验

    9.5实验结果与分析

    9.6本章小结

    参考文献




     

    1
    • 商品详情
    • 内容简介

    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