智能系统与技术丛书深度学习与图像识别:原理与实践

本书特色

[

本书是一本有关人工智能图像识别应用开发与实践指导类的教材,主要介绍图像处理应用项目开发的基本流程、图像识别处理应用项目关键技术。本书直击当今研究热点,选择有代表性的专题项目而且尽量避免复杂的数学推导,易于读者理解,专注于实战。详细介绍了numpy,knn,线性回归,逻辑回归,神经网络在图像识别上的应用,并为后一部分的深度学习做好铺垫。同时,针对每一个项目介绍项目的应用及意义,该项目的数据特征分析、识别系统设计、图像预处理技术、特征提取技术,以及识别方法等。书中实例程序的框架结构简单,代码简洁,读者可在数字图像处理技术的基础上进一步深化学习内容,提高实践应用能力和项目开发能力。

]

内容简介

[

本书是一本有关人工智能图像识别应用开发与实践指导类的教材,主要介绍图像处理应用项目开发的基本流程、图像识别处理应用项目关键技术。本书直击当今研究热点,选择有代表性的专题项目而且尽量避免复杂的数学推导,易于读者理解,专注于实战。详细介绍了numpy,knn,线性回归,逻辑回归,神经网络在图像识别上的应用,并为后一部分的深度学习做好铺垫。同时,针对每一个项目介绍项目的应用及意义,该项目的数据特征分析、识别系统设计、图像预处理技术、特征提取技术,以及识别方法等。书中实例程序的框架结构简单,代码简洁,读者可在数字图像处理技术的基础上进一步深化学习内容,提高实践应用能力和项目开发能力。

]

作者简介

[

作者简介
魏溪含
爱丁堡大学人工智能硕士,阿里巴巴达摩院算法专家,在计算机视觉、大数据领域有8年以上的算法架构和研发经验。
在大数据领域,曾带领团队对阿里巴巴个性化推荐系统进行升级;计算机视觉领域,主导并攻克了光伏EL全自动瑕疵识别的世界难题,并在行为识别领域带领团队参赛打破世界纪录等。
涂铭
阿里巴巴数据架构师,对大数据、自然语言处理、图像识别、Python、Java相关技术有深入的研究,积累了丰富的实践经验。在工业领域曾参与了燃煤优化、设备故障诊断项目,正泰光伏电池片和组件EL图像检测项目;在自然语言处理方面,担任导购机器人项目的架构师,主导开发机器人的语义理解、短文本相似度匹配、上下文理解,以及通过自然语言检索产品库,在项目中构建了NoSQL 文本检索等大数据架构,也同时负责问答对的整理和商品属性的提取,带领NLP团队构建语义解析层。作者简介
魏溪含
爱丁堡大学人工智能硕士,阿里巴巴达摩院算法专家,在计算机视觉、大数据领域有8年以上的算法架构和研发经验。
在大数据领域,曾带领团队对阿里巴巴个性化推荐系统进行升级;计算机视觉领域,主导并攻克了光伏EL全自动瑕疵识别的世界难题,并在行为识别领域带领团队参赛打破世界纪录等。
涂铭
阿里巴巴数据架构师,对大数据、自然语言处理、图像识别、Python、Java相关技术有深入的研究,积累了丰富的实践经验。在工业领域曾参与了燃煤优化、设备故障诊断项目,正泰光伏电池片和组件EL图像检测项目;在自然语言处理方面,担任导购机器人项目的架构师,主导开发机器人的语义理解、短文本相似度匹配、上下文理解,以及通过自然语言检索产品库,在项目中构建了NoSQL 文本检索等大数据架构,也同时负责问答对的整理和商品属性的提取,带领NLP团队构建语义解析层。

张修鹏
毕业于中南大学,阿里巴巴技术发展专家,长期从事云计算、大数据、人工智能与物联网技术的商业化应用,在阿里巴巴首次将图像识别技术引入工业,并推动图像识别产品化、平台化,擅于整合前沿技术解决产业问题,主导多个大数据和AI为核心的数字化转型项目成功实施,对技术和商业结合有着深刻的理解。

]

目录

前言第1章 机器视觉在行业中的应用11.1 机器视觉的发展背景11.1.1 人工智能11.1.2 机器视觉21.2 机器视觉的主要应用场景31.2.1 人脸识别31.2.2 视频监控分析41.2.3 工业瑕疵检测51.2.4 图片识别分析61.2.5 自动驾驶/驾驶辅助71.2.6 三维图像视觉81.2.7 医疗影像诊断81.2.8 文字识别91.2.9 图像/视频的生成及设计91.3 本章小结10第2章 图像识别前置技术112.1 深度学习框架112.1.1 Theano112.1.2 Tensorflow122.1.3 MXNet132.1.4 Keras132.1.5 PyTorch142.1.6 Caffe142.2 搭建图像识别开发环境152.2.1 Anaconda152.2.2 conda182.2.3 Pytorch的下载与安装192.3 Numpy使用详解202.3.1 创建数组202.3.2 创建Numpy数组222.3.3 获取Numpy属性242.3.4 Numpy数组索引252.3.5 切片252.3.6 Numpy中的矩阵运算262.3.7 数据类型转换272.3.8 Numpy的统计计算方法282.3.9 Numpy中的arg运算292.3.10 FancyIndexing292.3.11 Numpy数组比较302.4 本章小结31第3章 图像分类之KNN算法323.1 KNN的理论基础与实现323.1.1 理论知识323.1.2 KNN的算法实现333.2 图像分类识别预备知识353.2.1 图像分类353.2.2 图像预处理363.3 KNN实战363.3.1 KNN实现MNIST数据分类363.3.2 KNN实现Cifar10数据分类413.4 模型参数调优443.5 本章小结48第4章 机器学习基础494.1 线性回归模型494.1.1 一元线性回归504.1.2 多元线性回归564.2 逻辑回归模型574.2.1 Sigmoid函数584.2.2 梯度下降法594.2.3 学习率的分析614.2.4 逻辑回归的损失函数634.2.5 Python实现逻辑回归664.3 本章小结68第5章 神经网络基础695.1 神经网络695.1.1 神经元705.1.2 激活函数725.1.3 前向传播765.2 输出层805.2.1 Softmax805.2.2 one-hotencoding825.2.3 输出层的神经元个数835.2.4 MNIST数据集的前向传播835.3 批处理855.4 广播原则875.5 损失函数885.5.1 均方误差885.5.2 交叉熵误差895.5.3 Mini-batch905.6 *优化915.6.1 随机初始化915.6.2 跟随梯度(数值微分)925.7 基于数值微分的反向传播985.8 基于测试集的评价1015.9 本章小结104第6章 误差反向传播1056.1 激活函数层的实现1056.1.1 ReLU反向传播实现1066.1.2 Sigmoid反向传播实现1066.2 Affine层的实现1076.3 Softmaxwithloss层的实现1086.4 基于数值微分和误差反向传播的比较1096.5 通过反向传播实现MNIST识别1116.6 正则化惩罚1146.7 本章小结115第7章 PyTorch实现神经网络图像分类1167.1 PyTorch的使用1167.1.1 Tensor1167.1.2 Variable1177.1.3 激活函数1187.1.4 损失函数1207.2 PyTorch实战1227.2.1 PyTorch实战之MNIST分类1227.2.2 PyTorch实战之Cifar10分类1257.3 本章小结128第8章 卷积神经网络1298.1 卷积神经网络基础1298.1.1 全连接层1298.1.2 卷积层1308.1.3 池化层1348.1.4 批规范化层1358.2 常见卷积神经网络结构1358.2.1 AlexNet1368.2.2 VGGNet1388.2.3 GoogLeNet1408.2.4 ResNet1428.2.5 其他网络结构1448.3 VGG16实现Cifar10分类1458.3.1 训练1468.3.2 预测及评估1498.4 本章小结1528.5 参考文献152第9章 目标检测1539.1 定位 分类1539.2 目标检测1559.2.1 R-CNN1569.2.2 Fast R-CNN1609.2.3 Faster R-CNN1629.2.4 YOLO1659.2.5 SSD1669.3 SSD实现VOC目标检测1679.3.1 PASCAL VOC数据集1679.3.2 数据准备1709.3.3 构建模型1759.3.4 定义Loss1789.3.5 SSD训练细节1819.3.6 训练1869.3.7 测试1899.4 本章小结1909.5 参考文献191第10章 分割19210.1 语义分割19310.1.1 FCN19310.1.2 UNet实现裂纹分割19610.1.3 SegNet20910.1.4 PSPNet21010.2 实例分割21110.2.1 层叠式21210.2.2 扁平式21210.3 本章小结21310.4 参考文献214第11章 产生式模型21511.1 自编码器21511.2 对抗生成网络21511.3 DCGAN及实战21711.3.1 数据集21811.3.2 网络设置22011.3.3 构建产生网络22111.3.4 构建判别网络22311.3.5 定义损失函数22411.3.6 训练过程22411.3.7 测试22711.4 其他GAN23011.5 本章小结23511.6 参考文献235第12章 神经网络可视化23612.1 卷积核23612.2 特征层23712.2.1 直接观测23712.2.2 通过重构观测23912.2.3 末端特征激活情况24312.2.4 特征层的作用24412.3 图片风格化24512.3.1 理论介绍24512.3.2 代码实现24712.4 本章小结25512.5 参考文献255第13章 图像识别算法的部署模式25713.1 图像算法部署模式介绍25713.2 实际应用场景和部署模式的匹配26213.3 案例介绍26413.4 本章小结265

封面

智能系统与技术丛书深度学习与图像识别:原理与实践

书名:智能系统与技术丛书深度学习与图像识别:原理与实践

作者:魏溪含 涂铭 张修鹏

页数:276

定价:¥129.0

出版社:机械工业出版社

出版日期:2018-05-01

ISBN:9787111630036

PDF电子书大小:45MB 高清扫描完整版

百度云下载:http://www.chendianrong.com/pdf

发表评论

邮箱地址不会被公开。 必填项已用*标注