深度學習之圖像識別-核心算法與實戰案例 (全彩版) 言有三 9787302635277 【台灣高等教育出版社】

作者簡介 言有三，真名龍鵬。2012年本科畢業於華中科技大學，后保研至中國科學院並於2015年畢業。先後在奇虎360人工智慧研究院和陌陌深度學習實驗室從事與計算機視覺相關的工作，積累了豐富的傳統圖像處理演算法和深度學習項目實戰經驗。運營微信公眾號「有三AI」，內容覆蓋深度學習的理論、實戰經驗、開源框架、模型架構，以及深度學習在各應用領域的技術分析，還提供國內外AI研究院的核心技術報導及AI工程師成長路線的完整規劃。在知乎上開設專欄《有三AI學院》和其他子方向專欄。在GitChat和網易雲課堂上開設若干圖文和視頻課程。

目錄 第1章 神經網路與卷積神經網路基礎
1 1 神經網路的生物基礎與數學模型
1 1 1 神經元
1 1 2 感知機
1 1 3 多層感知機與反向傳播演算法
1 2 卷積神經網路基礎
1 2 1 卷積的概念
1 2 2 卷積神經網路的基本概念
1 2 3 卷積神經網路的基本結構
1 3 總結
參考文獻
第2章 深度學習優化基礎
2 1 激活函數
2 1 1 S型函數
2 1 2 ReLU函數
2 2 參數初始化
2 2 1 簡單初始化
2 2 2 標準初始化
2 2 3 Xavier與MSRA初始化
2 2 4 初始化方法的使用
2 3 標準化方法
2 3 1 什麼是標準化
2 3 2 批次標準化
2 3 3 層標準化
2 3 4 實例標準化
2 3 5 組標準化
2 3 6 權重標準化
2 3 7 標準化方法的自動搜索
2 3 8 標準化的有效性問題
2 4 學習率與最優化
2 4 1 學習率策略
2 4 2 梯度下降法與動量法
2 4 3 Adagrad演算法
2 4 4 Adadelta與RMSprop演算法
2 4 5 Adam演算法
2 4 6 牛頓法、擬牛頓法與共軛梯度法
2 5 正則化方法與泛化
2 5 1 過擬合與欠擬合
2 5 2 參數正則化
2 5 3 提前停止
2 5 4 模型集成
2 5 5 訓練樣本擴充
2 6 深度學習主流開源框架
2 6 1 Caffe簡介
2 6 2 TensorFlow簡介
2 6 3 PyTorch簡介
2 6 4 Theano簡介
2 6 5 Keras簡介
2 6 6 MXNet簡介
2 6 7 Chainer簡介
2 7 總結
參考文獻
第3章 深度學習中的數據使用方法
3 1 深度學習通用數據集的發展
3 1 1 MNIST數據集
3 1 2 CIFAR10和CIFAR100數據集
3 1 3 PASCAL數據集
3 1 4 ImageNet數據集
3 1 5 Microsoft COCO數據集
3 2 常見計算機視覺任務數據集
3 2 1 人臉數據集
3 2 2 自動駕駛數據集
3 2 3 醫學數據集
3 3 數據收集、清洗與整理
3 3 1 數據收集
3 3 2 數據清洗與整理
3 4 數據標註
3 4 1 數據標註類型
3 4 2 數據標註方法
3 5 數據增強
3 5 1 單樣本圖像處理數據增強
3 5 2 多樣本圖像處理數據增強
第4章 圖像分類
第5章 目標檢測
第6章 圖像分割
第7章 模型可視化
第8章 模型壓縮
第9章 模型部署與上線
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。