計算機視覺實戰-語義分割與目標檢測 賈壯 9787113312220 【台灣高等教育出版社】
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：中國鐵道有限公司
物品所在地：中國大陸
原出版社：中國鐵道有限公司
NT$508
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：202407*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：計算機視覺實戰-語義分割與目標檢測 ISBN：9787113312220 出版社：中國鐵道有限公司 著編譯者：賈壯 頁數：270 所在地：中國大陸 *此為代購商品 書號：1653081 可大量預訂，請先連絡。 內容簡介 本書主要介紹了計算機視覺中的語義分割和目標檢測的相關技術，重點講解了任務設定和度量指標、基於深度學習的經典模型和演算法方案。另外，對於分割和檢測任務中的小樣本、弱監督、小目標等特殊設定下的演算法思路和方案也通過典型模型進行了講解。同時，書中還提供了多個簡單易上手的語義分割與目標檢測的實戰項目。目錄 第1章 深度學習與計算機視覺基礎知識1 1 深度學習與人工智慧 1 1 1 人工智慧歷史回顧 1 1 2 深度學習原理及其應用簡介 1 2 計算機視覺及其應用場景簡介 1 3 開始之前的準備工作 1 3 1 代碼工具準備 1 3 2 相關數學工具準備 第2章 神經網路模型：原理、模型與流程 2 1 神經網路模型的基本原理 2 1 1 神經元與人工神經網路 2 1 2 梯度下降與反向傳播演算法（BP演算法） 2 1 3 神經網路的正則化策略 2 2 卷積神經網路與注意力機制 2 2 2 注意力機制與Vision Transformer 2 3 神經網路模型訓練和推理的一般流程 2 3 1 訓練流程：數據增強、優化器與策略調整器 2 3 2 推理流程：測試時增強與量化部署 第3章 語義分割演算法原理 3 1 語義分割任務概述 3 1 1 語義分割的目標與傳統方案 3 1 2 語義分割的難點 3 1 3 語義分割的度量指標 3 1 4 語義分割的應用場景 3 2 語義分割的代表性模型 3 2 1 FCN：從圖像分類到像素級分割 3 2 2 Unet和Unet++：U刑對稱業解碼網故及其增強版 3 2 3 DeepLab系列：基於空洞卷積的分割網路 3 2 4 PSPNet：金字塔池化的特徵融合 3 2 5 OCRNet：如何利用目標上下文信息 3 2 6 Segmenter：基於Transformer的端到端分割 3 2 7 PointRend；針對物體邊緣分割的優化 3 2 8 Segment Anything：prompt驅動的分割大模型 3 3 小樣本、弱監督和互動式語義分割 3 3 1 小樣本分割任務與模型 3 3 2 弱監督語義分割任務與模型 3 3 3 互動式分割任務與模型 第4章 語義分割項目實戰 4 1 DeepLabV3+網路的寵物分割識別 4 1 1 任務描述與數據集準備 4 1 2 代碼庫基本情況說明 4 1 3 相關配置文件配置與訓練 4 1 4 基線網路訓練效果測試 4 1 5 實驗優化與結果分析 4 2 Unet++的視網膜血管分割 4 2 1 任務描述與數據集準備 4 2 2 數據讀取代碼修改 4 2 3 模型訓練與效果測試 4 3 Segment Anything基於prompt的分割 4 3 1 Segment Anything代碼庫簡介 4 3 2 本地配置與分割功能測試 4 3 3 基於SAM的互動式分割代碼開發與實驗 第5章 目標檢測演算法原理 5 1 目標檢測任務概述 5 1 1 目標檢測方法的發展 5 1 2 目標檢測的難點 5 1 3 目標檢測方法的評價準則 5 1 4 目標檢測的應用場景 5 2 目標檢測經典模型 5 2 1 R-CNN：從傳統方法到CNN方法 5 2 2 SPP-net：空間金字塔池化網路 5 2 3 Fast R-CNN和Faster R-CNN：R-CNN的進化 5 2 4 YOLO：單階段目標檢測器的代表模型 5 2 5 SSD：多尺度預測目標檢測器 5 2 6 FPN：特徵金宇塔用於目標檢測 5 2 7 RetinaNet；樣本均衡問題與Focal Loss 5 2 8 Mask R-CNN：RolAlign與實例分割 5 2 9 無錨框的目標檢測範式：ConerNet、CenterNet和FCOS 5 2 10 YOLO的進化：從v2到v 5 2 11 DETR：基於Transformer的檢測框預測 5 3 小目標檢測與旋轉目標檢測 5 3 1 小目標檢測任務與方案 5 3 2 旋轉目標檢測任務與模型 第6章 目標檢測項目實戰 6 1 實戰一：基於YOLOv8的口罩人臉檢測 6 1 1 YOLOv8代碼庫簡介 6 1 2 任務簡述與數據集獲取 6 1 3 模型訓練與效果評估 6 2 實戰二：Faster R-CNN交通車輛檢測識別 6 2 1 任務與數據集概述 6 2 2 MMDetection代碼庫簡介與配置 6 2 3 Faster R-CNN訓練與結果驗證 6 3 實戰三：實時手勢檢測識別流程搭建實驗 6 3 1 任務目標與整體流程 6 3 2 數據採集標註與數據集準備 6 3 3 模型訓練與導出 6 3 4 實時手勢監測與識別demo測試 後記 參考文獻 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。 |
