深度学习实践 计算机视觉pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

深度学习实践 计算机视觉PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 深度学习与计算机视觉 1

1.1图像基础 3

1.2深度学习与神经网络基础 4

1.2.1函数的简单表达 5

1.2.2函数的矩阵表达 5

1.2.3神经网络的线性变换 6

1.2.4神经网络的非线性变换 6

1.2.5深层神经网络 6

1.2.6神经网络的学习过程 8

1.3卷积神经网络CNN 9

1.4基础开发环境搭建 14

1.5本章总结 15

第2章 OpenCV入门 16

2.1读图、展示和保存新图 17

2.2像素点及局部图像 18

2.3基本线条操作 19

2.4平移 20

2.5旋转 20

2.6缩放 21

2.6.1邻近插值 22

2.6.2双线性插值 22

2.7翻转 23

2.8裁剪 23

2.9算术操作 23

2.10位操作 24

2.11 Masking操作 25

2.12色彩通道分离与融合 26

2.13颜色空间转换 27

2.14颜色直方图 28

2.15平滑与模糊 29

2.16边缘检测 31

2.17人脸和眼睛检测示例 32

2.18本章总结 35

第3章 常见深度学习框架 36

3.1 PyTorch 38

3.1.1 Tensor 39

3.1.2 Autograd 42

3.1.3 Torch.nn 43

3.2 Chainer 45

3.2.1 Variable 46

3.2.2 Link与Function 47

3.2.3 Chain 50

3.2.4 optimizers 51

3.2.5损失函数 51

3.2.6 GPU的使用 52

3.2.7模型的保存与加载 54

3.2.8 FashionMnist图像分类示例 54

3.2.9 Tramer 59

3.3 TensorFlow与Keras 66

3.3.1 TensorFlow 66

3.3.2 Keras 67

3.4 MXNet与Gluon 73

3.4.1 MXNet 73

3.4.2 Gluon 74

3.4.3 Gluon Sequential 74

3.4.4 Gluon Block 75

3.4.5使用GPU 76

3.4.6 Gluon Hybrid 77

3.4.7 Lazy Evaluation 79

3.4.8 Module 80

3.5其他框架 81

3.6本章总结 81

第4章 图像分类 82

4.1 VGG 84

4.1.1 VGG介绍 84

4.1.2 MXNet版VGG使用示例 85

4.2 ResNet 89

4.2.1 ResNet介绍 89

4.2.2 Chainer版ResNet示例 90

4.3 Inception 95

4.3.1 Inception介绍 95

4.3.2 Keras版Inception V3川菜分类 97

4.4 Xception 116

4.4.1 Xception简述 116

4.4.2 Keras版本Xception使用示例 116

4.5 DenseNet 122

4.5.1 DenseNet介绍 122

4.5.2 PyTorch版DenseNet使用示例 122

4.6本章总结 126

第5章 目标检测与识别 128

5.1 Faster RCNN 129

5.1.1 Faster RCNN介绍 129

5.1.2 ChainerCV版Faster RCNN示例 131

5.2 SSD 139

5.2.1 SSD介绍 139

5.2.2 SSD示例 140

5.3 YOLO 148

5.3.1 YOLO V1、V2和V3介绍 148

5.3.2 Keras版本YOLO V3示例 150

5.4本章总结 157

第6章 图像分割 158

6.1物体分割 159

6.2语义分割 164

6.2.1 FCN与SegNet 166

6.2.2 PSPNet 171

6.2.3 DeepLab 172

6.3实例分割 176

6.3.1 FCIS 177

6.3.2 Mask R-CNN 178

6.3.3 MaskLab 180

6.3.4 PANet 181

6.4本章总结 181

第7章 图像搜索 183

7.1 Siamese Network 185

7.2 Triplet Network 186

7.3 Margin Based Network 188

7.4 Keras版Triplet Network示例 190

7.4.1准备数据 190

7.4.2训练文件 191

7.4.3采样文件 195

7.4.4模型训练 202

7.4.5模型测试 206

7.4.5结果可视化 210

7.5本章小结 216

第8章 图像生成 218

8.1 VAE 219

8.1.1 VAE介绍 219

8.1.2 Chainer版本VAE示例 220

8.2生成对抗网络GAN 221

8.2.1 GAN介绍 221

8.2.2 Chainer DCGAN RPG游戏角色生成示例 229

8.3 Neural Style Transfer 238

8.3.1 Neural Style Transfer介绍 238

8.3.2 MXNet多风格转换MSG-Net示例 241

8.4本章总结 246

后记 247