深度學習 - 影像處理應用
彭彥璁、李偉華、陳彥蓉
- 出版商: 全華圖書
- 出版日期: 2023-06-14
- 定價: $420
- 售價: 9.0 折 $378
- 語言: 繁體中文
- 頁數: 312
- ISBN: 626328479X
- ISBN-13: 9786263284791
-
相關分類:
DeepLearning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$403OpenCV 4 電腦視覺項目實戰, 2/e
-
$880$862 -
$393用 Flutter 極速構建原生應用
-
$280$252 -
$611深度學習之攝影圖像處理 : 核心算法與案例精粹
-
$580$458 -
$580$452 -
$520$468 -
$1,200$948 -
$450$405 -
$980$774 -
$560$442 -
$630$498 -
$894$849 -
$720$569 -
$680$537 -
$580$458 -
$560$442 -
$750$593 -
$954$906 -
$650$585 -
$640$576 -
$780$616 -
$630$498 -
$720$612
相關主題
商品描述
本書特色
1.基礎到技術循序漸進,並以圖示簡化流程圖與其描述。
2.書內理論提供詳細公式並附有豐富的程式碼進行演示。
3.本書介紹並呈現多種視覺任務,包含影像增強、除雨、偵測、辨識、分類...等應用。
內容簡介
本書介紹深度學習於影像處理中的應用,從基礎的機器學習與深度學習技術講起,接著由淺入深地探討深度學習的原理與實現,同時結合實例進行演示和實驗。最後介紹電腦視覺與影像處理的相關技術,並結合深度學習模型應用於多種視覺任務的應用。書中分為兩大部分:第一部分(前七章)將介紹機器學習和深度學習的基礎知識,包括常用的機器學習模型、損失函數、優化算法等,也會在此介紹常見的卷積神經網路(CNN)、循環神經網路(RNN)和生成對抗網路(GAN)等;第二部分(第八章)將深入探討深度學習算法在影像處理中的應用,我們將通過實際案例和實驗,向讀者演示這些算法的原理和實現方法,並探討如何應用這些算法來解決影像處理中的實際問題。本書適用大學、科大資工、電機、資訊科學系「深度學習」課程使用。
目錄大綱
CH1 人工智慧基本介紹
1-1 何謂人工智慧
1-2 人工智慧、機器學習及深度學習
1-3 人工智慧對人類社會的影響
CH2 環境與資料科學套件介紹
2-1 Google Colab 環境介紹
2-2 Numpy 介紹
2-3 Pandas 介紹
2-4 Pytorch 介紹
2-5 Matplotlib 介紹
CH3 機器學習與深度學習基礎
3-1 機器學習基礎
3-2 深度學習基礎
CH4 卷積神經網路
4-1 類神經網路
4-2 卷積神經網路
4-3 轉置卷積
4-4 其他卷積方法
4-5 卷積神經網路於Pytorch 之實現
CH5 常用深度學習訓練技巧
5-1 標準化
5-2 正則化
5-3 遷移學習及預訓練模型
5-4 交叉驗證
5-5 集成學習
5-6 平行訓練
5-7 深度學習應用於影像處理之技巧
CH6 深度學習架構介紹
6-1 LeNet
6-2 VGGNet
6-3 U-Net
6-4 Residual Network(ResNet)
6-5 InceptionNet(GoogLeNet)
6-6 DenseNet
6-7 Fully Convolutional Networks (FCNs)
6-8 MobileNet V1
6-9 EfficientNet
CH7 進階深度學習技術介紹
7-1 循環神經網路
7-2 長短記憶模型
7-3 門控循環單元
7-4 Attention is all you need
7-5 其他的注意力(Attention)機制
7-6 Vision Transformer(ViT)
7-7 Swin Transformer
7-8 生成對抗式網路(GAN)
7-9 Conditional Generative Adversarial Network(cGAN)
7-10 Pix2pix
7-11 循環生成對抗式網路
CH8 基於影像的深度學習案例
8-1 影像基本原理介紹
8-2 基本影像處理
8-3 邊緣抽取、影像增強與校正
8-4 影像辨識與分類
8-5 深度學習在影像處理的應用
8-6 影像修復與辨識實驗之程式碼介紹