計算機視覺和深度學習在自動駕駛汽車中的應用 蘇米特.蘭詹 9787111761112 【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：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$1,005
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：202408*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：計算機視覺和深度學習在自動駕駛汽車中的應用 ISBN：9787111761112 出版社：機械工業 著編譯者：蘇米特.蘭詹 叢書名：智能網聯汽車機器學習系列 頁數：229 所在地：中國大陸 *此為代購商品 書號：1674971 可大量預訂，請先連絡。 內容簡介 計算機視覺以及深度學習技術構成了智能駕駛甚至自動駕駛的技術基礎。隨著智能駕駛技術的逐漸普及，計算機視覺以及深度學習技術在汽車行業內受到了越來越多的關注。本書從自動駕駛技術的歷史和發展講起，內容圍繞計算機視覺和深度學習技術逐漸深入，介紹了其在自動駕駛中涉及的諸如學習模型、OpenCV技術、CNN改進圖像分類器、語義分割等技術，並介紹了它們在自動駕駛領域的應用實踐和實際工程案例。 本書可作為自動駕駛、人工智慧、汽車與製造等行業的工程技術人員的學習參考書，也可作為高等院校相關專業師生的參考書。對自動駕駛和智能汽車產業感興趣的愛好者和產業研究員而言，本書也具有相當高的參考價值。作者簡介 蘇米特·蘭詹（Sumit Ranjan）是電子與通信專業工學碩士。他是一位充滿熱情的數據科學家，致力於解決業務問題，在汽車、醫療、半導體、雲虛擬化和保險等領域提供了無與倫比的跨領域用戶體驗。 他在構建應用於現實需求的機器學習、計算機視覺和深度學習解決方案方面經驗豐富。他曾獲得KPIT Technologies頒發的自動駕駛汽車學者獎，並在梅賽德斯-賓士研發中心參与多個研究項目。除了工作，他的愛好是旅遊和探索新地方、野生動物攝影和寫博客。 寫書比我想象得更難，也比我想象得更有價值。首先，我要感謝Packt Publishing的所有人對我的支持。特別感謝總是很有耐心的編輯Nathanya和Ayaan，優秀的策劃編輯Girish，幫助我改善書中技術方面的Utkarsha和Sonam，以及最優秀的項目經理Gebin。感謝我的家人一直支持我，感謝我的導師Sikandar、Ashis和Arjun，因為有了他們，我才到了這裏。如果沒有好友Divya、Pramod和Ranjeet，那麼這本書將不可能完成，他們讓我的生活變得精彩，謝謝他們在我寫這本書時給我的所有支持。目錄 前言第1部分 深度學習和自動駕駛汽車基礎 第1章 自動駕駛汽車基礎 1 1 自動駕駛汽車簡介 1 1 1 自動駕駛汽車的優勢 1 1 2 自動駕駛汽車的進展 1 2 當前部署中的挑戰 1 2 1 建立安全系統 1 2 2 硬體 1 2 3 軟體編程 1 2 4 高速互聯網 1 3 自動駕駛等級 1 4 深度學習和計算機視覺在自動駕駛汽車中的應用 1 5 總結 第2章 深入了解深度神經網路 2 1 深入了解神經網路 2 2 理解神經元和感知器 2 3 人工神經網路的工作原理 2 4 理解激活函數 2 4 1 闕值函數 2 4 2 Sigmoid函數 2 4 3 整流線性函數 2 4 4 雙曲正切激活函數 2 5 神經網路的損失函數 2 6 優化器 2 7 理解超參數 2 7 1 模型訓練超參數 2 7 2 網路架構超參數 2 8 TensorFlow與Keras的對比 2 9 總結 第3章 使用Keras實現深度學習模型 3 1 開始使用Keras 3 1 1 Keras的優點 3 1 2 Keras的工作原理 3 1 3 構建Keras模型 3 1 4 Keras執行類型 3 2 Keras深度學習 3 3 構建第一個深度學習模型 3 3 1 Auto-Mpg數據集介紹 3 3 2 導入數據 3 3 3 分割數據 3 3 4 標準化數據 3 3 5 構建和編譯模型 3 3 6 訓練模型 3 3 7 預測新的、未知的模型 3 3 8 評估模型的性能 3 3 9 保存和載入模型 3 4 總結 第2部分 深度學習和計算機視覺 第4章 自動駕駛汽車中的計算機視覺 4 1 計算機視覺介紹 4 1 1 計算機視覺的挑戰 4 1 2 人工眼睛與人眼的對比 4 2 圖像的基本構建塊 4 2 1 圖像的數字表示 4 2 2 從RGB到灰度圖像的轉換 4 2 3 道路標記檢測 4 3 顏色空間技術 4 3 1 RGB顏色空間 4 3 2 HSV顏色空間 4 3 3 顏色空間操作 4 4 卷積介紹 4 5 邊緣檢測和梯度計算 4 5 1 Sobel的介紹 4 5 2 Laplacian邊緣檢測器的介紹 4 5 3 Canny邊緣檢測 4 6 圖像變換 4 6 1 仿射變換 4 6 2 投影變換 4 6 3 圖像旋轉 4 6 4 圖像平移 4 6 5 圖像縮放 4 6 6 透視變換 4 6 7 圖像裁剪、腐蝕和膨脹 4 6 8 使用掩模提取感興趣區域 4 6 9 霍夫（Hough）變換 4 7 總結 第5章 使用OpenCV查找道路標誌 5 1 在圖像中查找道路標誌 5 1 1 使用OpenCV載入圖像 5 1 2 將圖像轉換為灰度圖像 5 1 3 平滑圖像 5 1 4 Canny邊緣檢測 5 1 5 使用掩模提取感興趣區域 5 1 6 應用bitwise_and 5 1 7 應用霍夫變換 5 1 8 優化檢測到的道路標誌 5 2 在視頻中檢測道路標誌 5 3 總結 第6章 使用CNN改進圖像分類器 6 1 計算機格式中的圖像 6 1 1 CNN的必要性 6 1 2 CNN背後的直覺 6 2 CNN介紹 6 2 1 為什麼需要3D層 6 2 2 理解卷積層 6 2 3 深度、步長和零填充 6 2 4 ReLU 6 2 5 全連接層 6 3 手寫數字識別介紹 6 3 1 問題和目標 6 3 2 載入數據 6 3 3 重塑數據 6 3 4 數據的轉換 6 3 5 對輸出進行獨熱編碼 6 3 6 構建和編譯模型 6 3 7 訓練模型 6 3 8 驗證損失與訓練損失 6 3 9 驗證與測試準確度 6 3 10 保存模型 6 3 11 可視化模型架構 6 3 12 混淆矩陣 6 3 13 準確度報告 6 4 總結 第7章 使用深度學習進行道路標誌檢測 7 1 數據集概述 7 1 1 數據集結構 7 1 2 圖像格式 7 2 載入數據 7 3 圖像探索 7 4 數據準備 7 5 模型訓練 7 6 模型準確度 7 7 總結 第3部分 自動駕駛汽車中的語義分割 第8章 語義分割的原理和基礎 8 1 語義分割簡介 8 2 語義分割架構的理解 8 3 不同語義分割架構的概述 8 3 1 U-Net 8 3 2 SegNet 8 3 3 PSPNet 8 3 4 DeepLabv3+ 8 3 5 E-Net 8 4 總結 第9章 語義分割的實現 9 1 圖像中的語義分割 9 2 視頻中的語義分割 9 3 總結 第4部分 高級功能實現 第10章 基於深度學習的行為克隆 10 1 回歸神經網路 10 2 使用深度學習進行行為克隆 10 2 1 數據收集 10 2 2 數據準備 10 2 3 模型開發 10 2 4 評估模擬器 10 3 總結 第11章 基於OpenCV和深度學習的車輛檢測 11 1 YOLO特點 11 2 YOLO損失 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。 |
