PyTorch計算機視覺實戰-目標檢測,圖像處理與深度學習 9787111733393 V.基肖爾.阿耶德瓦拉 耶什萬斯
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$948
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202309*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：PyTorch計算機視覺實戰-目標檢測,圖像處理與深度學習 ISBN：9787111733393 出版社：機械工業 著編譯者：V.基肖爾.阿耶德瓦拉 耶什萬斯.雷迪 頁數：558 所在地：中國大陸 *此為代購商品 書號：1580094 可大量預訂，請先連絡。 【台灣高等教育出版社簡體書】 PyTorch計算機視覺實戰-目標檢測,圖像處理與深度學習 787111733393 V.基肖爾.阿耶德瓦拉 耶什萬斯.雷迪 內容簡介 深度學習是近年來計算機視覺應用在多個方面取得進步的驅動力。本書以實踐為驅動，結合具體應用場景，基於真實數據集全面系統地介紹如何使用PyTorch解決50多個計算機視覺問題。 首先，你將學習使用NumPy和PyTorch從頭開始構建神經網路（NN），並了解調整神經網路超參數的最佳實踐。然後，你將學習如何使用卷積神經網路（CNN）和遷移學習完成圖像分類任務，並理解其中的工作原理。隨後，你將學習二維和三維多目標檢測、圖像分割、人體姿態估計等多個實際任務，並使用R-CNN、Fast R-CNN、Faster R-CNN、SSD、YOLO、U-Net、Mask R-CNN、Detectron2等框架實現這些任務。在自編碼器和GAN部分，本書將指導你學習面部表情替換、面部圖像生成和面部表情處理技術。之後，你將學習如何將計算機視覺與NLP技術（如LSTM、transformer等）和強化學習技術（如深度Q學習等）相結合，實現OCR、圖像標題生成、目標檢測和汽車自動駕駛智能體等應用。最後，你將學習如何將神經網路模型部署到AWS雲等實際應用場景。作者簡介 耶什萬斯·雷迪（Yeshwanth Reddy），高級數據科學家，專註於前沿技術的研究和實現，以解決健康和計算機視覺領域的問題。他在OCR領域申請了4項專利。他還擁有2年的教學經驗，為數干名學生講授統計學、機器學習、人工智慧和自然語言處理等方面的課程。目錄 譯者序前言 第一部分 面向計算機視覺的深度學習基礎知識 第1章 人工神經網路基礎 1 1 比較人工智慧與傳統機器學習 1 2 人工神經網路的構建模塊 1 3 實現前向傳播 1 3 1 計算隱藏層的值 1 3 2 應用激活函數 1 3 3 計算輸出層的值 1 3 4 計算損失值 1 3 5 前向傳播的代碼 1 4 實現反向傳播 1 4 1 梯度下降的代碼 1 4 2 使用鏈式法則實現反向傳播 1 5 整合前向傳播與反向傳播 1 6 理解學習率的影響 1 7 總結神經網路的訓練過程 1 8 小結 1 9 課後習題 第2章 PyTorch基礎 2 1 安裝PyTorch 2 2 PyTorch張量 2 2 1 初始化張量 2 2 2 張量運算 2 2 3 張量對象的自動梯度 2 2 4 PyTorch的張量較NumPy的ndarrays的優勢 2 3 使用PyTorch構建神經網路 2 3 1 數據集、數據載入器和批大小 2 3 2 預測新的數據點 2 3 3 實現自定義損失函數 2 3 4 獲取中間層的值 2 4 使用序貫方法構建神經網路 2 5 保存並載入PyTorch模型 2 5 1 statedict 2 5 2 保存 2 5 3 載入 2 6 小結 2 7 課後習題 第3章 使用PyTorch構建深度神經網路 3 1 表示圖像 第二部分 物體分類與目標檢測 第4章 卷積神經網路 第5章 面向圖像分類的遷移學習 第6章 圖像分類的實戰技術 第7章 目標檢測基礎 第8章 目標檢測進階 第9章 圖像分割 第10章 目標檢測與分割的應用 第三部分 圖像處理 第11章 自編碼器與圖像處理 第12章 基於GAN的圖像生成 第13章 高級GAN圖像處理 第四部分 計算機視覺與其他技術 第14章 使用小樣本進行模型訓練 第15章 計算機視覺與NLP 第16章 計算機視覺與強化學習 第17章 模型的實際應用部署 第18章 使用OpenCV實用程序進行圖像分析 附錄 課後習題答案 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
