《深度学习与计算机视觉算法原理框架应用与代码实现pdf》PDF高清完整版-免费下载
封面
本书全面介绍了深度学习及计算机视觉中基础的知识，并结合常见的应用场景和大量实例，带领读者进入丰富多彩的计算机视觉领域。作为一本“原理+实践”教程，本书在讲解原理的基础上，通过有趣的实例带领读者一步步亲自动手，不断提高动手能力，而不是枯燥和深奥原理的堆砌。
    本书适合对人工智能、机器学习、深度学习和计算机视觉感兴趣的读者阅读。阅读本书要求读者具备一定的数学基础和基本的编程能力，并需要读者了解Linux的基本使用。
第1篇 基础知识
第1章 引言 2
1.1 人工智能的新焦点，深度学习 2
1.1.1 人工智能，神话传说到影视漫画 2
1.1.2 人工智能的诞生 3
1.1.3 神经科学的研究 4
1.1.4 人工神经网络的兴起 5
1.1.5 神经网络的第一次寒冬 6
1.1.6 神经网络的第一次复兴 8
1.1.7 神经网络的第二次寒冬 9
1.1.8 2023年，深度学习的起点 10
1.1.9 生活中的深度学习 11
1.1.10 常见深度学习框架简介 12
python教材下载
1.2 给计算机一双眼睛，计算机视觉 14
1.2.1 计算机视觉简史 14
uml部署图和组件图
1.2.2 2023年，计算机视觉的新起点 16
1.2.3 计算机视觉的应用 17
1.2.4 常见计算机视觉工具包 19
1.3 基于深度学习的计算机视觉 19
1.3.1 从ImageNet竞赛到AlphaGo战胜李世石，计算机视觉超越人类 19
1.3.2 GPU和并行技术，深度学习和计算视觉发展的加速器 21
1.3.3 基于卷积神经网络的计算机视觉应用 22
第2章 深度学习和计算机视觉中的基础数学知识 27
2.1 线性变换和非线性变换 27
2.2 概率论及相关基础知识 43
2.3 维度的诅咒 50
2.4 卷积 66
2.5 数学优化基础 71
第3章 神经网络和机器学习基础 87
3.1 感知机 87
3.2 神经网络基础 89
3.3 后向传播算法 95
3.4 随机梯度下降和批量梯度下降 104
3.5 数据、训练策略和规范化 108
3.6 监督学习、非监督学习、半监督学习和强化学习 117
第4章 深度卷积神经网络 120
4.1 卷积神经网络 120
4.2 LeNet，第一个卷积神经网络 132
4.3 新起点，AlexNet 133
4.4 更深的网络，GoogLeNet 136
4.5 更深的网络，ResNet 142
第2篇 实例精讲
第5章 Python基础 148
5.1 Python简介 148
5.2 Python基本语法 150
5.3 Python的科学计算包，NumPy 167
5.4 Python的可视化包，matplotlib 175
第6章 OpenCV基础 182
6.1 OpenCV简介 182
css设置图片居中对齐
6.2 Python-OpenCV基础 184
6.3 用OpenCV实现数据增加小工具 193
6.4 用OpenCV实现物体标注小工具 203
第7章 Hello World! 212
7.1 用MXNet实现一个神经网络 212
7.2 用Caffe实现一个神经网络 219
第8章 最简单的图片分类，手写数字识别 227
小数十进制转二进制转换器
8.1 准备数据，MNIST 227
8.2 基于Caffe的实现 228
8.3 基于MXNet的实现 242
第9章 利用Caffe做回归 249
9.1 回归的原理 249
9.2 预测随机噪声的频率 250
第10章 迁移学习和模型微调 264
10.1 吃货必备，通过Python采集美食图片 264
10.2 美食分类模型 271
第11章 目标检测 288
11.1 目标检测算法简介 288
11.2 基于PASCAL VOC数据集训练SSD模型 296
第12章 度量学习 304
12.1 距离和度量学习 304
12.2 用MNIST训练Siame络 307为什么数组公式只第一结果
第13章 图像风格迁移 317
13.1 风格迁移算法简介 317
13.2 MXNet中的图像风格迁移例子 320

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。