• 不喜欢足球吗?足球体现了一种自由奔放的阳刚之美,我正看呢 2019-02-22
  • 手绘长卷:习近平2018年两会全纪录(动图) 2019-02-19
  • 就算不为了世界杯,俄罗斯也有那么多时髦好去处值得你飞去 2019-02-19
  • [世界杯]格兰奎斯特操刀点球 助瑞典小胜韩国 2019-02-15
  • 礁石旅行地中国国家地理网 2019-02-15
  • 网约车管理,“家规”之外有“行规” 2019-02-09
  • 楼市下半年或持续降温 房地产长效机制加速推进 2019-02-09
  • 国家社科基金《成果要报》汇编(2011年) 2019-01-29
  • 宏达矿业:关于收到上海证券交易所关于公司有关交易事项的监管工作函的公告 2019-01-29
  • 提高认识 聚焦“精准” 坚决打赢脱贫攻坚战 2019-01-28
  • 家装行业猫腻多:“低价全包”变身“加价全包” 2019-01-28
  • 【我奋斗 我幸福】王静:努力寻找光明 2019-01-22
  • 新加坡人解馋就去小贩中心 2019-01-15
  • 王子文再登封面 黑白光影间酷女孩玩转高级时尚 2019-01-15
  • 论炒冷饭只服苹果 32GB版iPhone6上市 售1999元 2019-01-12
    • 今日66折
    • 天天BUY
    開學週限時加碼

    山东快乐扑克三走势图:深度學習技術圖像處理入門

    • 定價:414
    • 優惠價:79327
    • 優惠期限:2019年02月28日止
    運送方式:
    • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖、全球
    • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
      香港、澳門、新加坡、馬來西亞
     

    內容簡介

    本書從機器學習、影像處理的基本概念入手,逐步闡述深度學習影像處理技術的基本原理以及簡單的實現。繼而以幾個實戰案例來介紹如何使用深度學習方法,在數據分析競賽中取得較高的排名。最後,通過一個實戰案例,介紹如何將模型放入iOS程式,製作相應的人工智慧手機App。

    本書適用於對深度學習有興趣、希望入門這一領域的理工科大學生、研究生,以及希望瞭解該領域基本原理的軟體發展人員。此外,本書所有案例均提供了雲環境上的代碼,便於讀者複現結果,並進行深入
    學習。
     

    作者介紹

    楊培文,北京工商大學,優達學城機器學習課程畢業專案的評審。目前研究方向是深度學習在圖像方面的應用,同時致力於機器學習、深度學習和無人車等方面知識的普及與教育。在 kaggle 貓狗大戰項目中達到 top1.2%。
     

    目錄

    第1章 搭建指定的開發環境1
    1.1 為什麼要使用指定的開發環境1
    1.2 硬體準備2
    1.2.1 在亞馬遜租用雲GPU伺服器2
    1.2.2 在騰訊雲租用GPU伺服器4
    1.2.3 在雲伺服器中開啟搭載開發環境的Docker服務8
    1.3 軟體準備9
    1.3.1 在Ubuntu 16.04下配置環境9
    1.3.2 在CentOS 7下配置環境12
    1.4 參考文獻及網頁連結12
    第2章 溫故知新——機器學習基礎知識13
    2.1 人工智慧、機器學習與深度學習13
    2.2 訓練一個傳統的機器學習模型15
    2.2.1 第一步,觀察資料16
    2.2.2 第二步,預覽數據17
    2.3 資料採擷與訓練模型29
    2.3.1 第一步,準備資料29
    2.3.2 第二步,挖掘資料特徵31
    2.3.3 第三步,使用模型37
    2.3.4 第四步,代碼實戰44
    2.4 參考文獻及網頁連結49
    第3章 數形結合——影像處理基礎知識50
    3.1 讀取影像檔進行基本操作51
    3.1.1 使用python-opencv讀取圖片51
    3.1.2 借助python-opencv進行不同編碼格式的轉換52
    3.1.3 借助python-opencv改變圖片尺寸53
    3.2 用簡單的矩陣操作處理圖像53
    3.2.1 對圖像進行複製與粘貼53
    3.2.2 把圖像當成矩陣進行處理——二維碼轉換成矩陣54
    3.3 使用OpenCV“摳圖”——基於顏色通道以及形態特徵59
    3.4 基於傳統特徵的傳統圖像分類方法64
    3.4.1 將圖片簡化為少數區域並計算每個區域輪廓特徵的方向66
    3.4.2 將HOG變換運用在所有正負樣本中68
    3.4.3 訓練模型70
    3.4.4 將訓練好的分類器運用在新的圖片中71
    3.5 參考文獻及網頁連結73
    第4章 繼往開來——使用深度神經網路框架74
    4.1 從邏輯回歸說起74
    4.2 深度學習框架76
    4.3 基於反向傳播演算法的自動求導77
    4.4 簡單的深度神經網路框架實現80
    4.4.1 資料結構部分81
    4.4.2 計算圖部分83
    4.4.3 使用方法85
    4.4.4 訓練模型86
    4.5 參考文獻及網頁連結89
    第5章 排列組合——深度神經網路框架的模型元件90
    5.1 常用層92
    5.1.1 Dense92
    5.1.2 Activation92
    5.1.3 Dropout93
    5.1.4 Flatten94
    5.2 卷積層94
    5.2.1 Conv2D94
    5.2.2 Cropping2D101
    5.2.3 ZeroPadding2D101
    5.3 池化層102
    5.3.1 MaxPooling2D102
    5.3.2 AveragePooling2D102
    5.3.3 GlobalAveragePooling2D103
    5.4 正則化層與過擬合104
    5.5 反卷積層105
    5.6 迴圈層109
    5.6.1 SimpleRNN109
    5.6.2 LSTM109
    5.6.3 GRU110
    5.7 參考文獻及網頁連結110
    第6章 少量多次——深度神經網路框架的輸入處理112
    6.1 批量生成訓練資料113
    6.2 資料增強115
    6.3 參考文獻及網頁連結117
    第7章 愚公移山——深度神經網路框架的模型訓練118
    7.1 隨機梯度下降119
    7.2 動量法120
    7.3 自我調整學習率演算法121
    7.4 實驗案例124
    7.5 參考文獻及網頁連結128
    第8章 小試牛刀——使用深度神經網路進行CIFAR-10資料分類129
    8.1 上游部分——基於生成器的批量生成輸入模組131
    8.2 核心部分——用各種零件搭建深度神經網路131
    8.3 下游部分——使用凸優化模組訓練模型132
    8.4 參考文獻及網頁連結133
    第9章 見多識廣——使用遷移學習提升準確率134
    9.1 貓狗大戰1.0——使用卷積神經網路直接進行訓練135
    9.1.1 導入數據135
    9.1.2 視覺化137
    9.1.3 分割訓練集和驗證集138
    9.1.4 搭建模型140
    9.1.5 模型訓練141
    9.1.6 總結142
    9.2 貓狗大戰2.0——使用ImageNet資料集預訓練模型142
    9.2.1 遷移學習142
    9.2.2 數據預處理143
    9.2.3 搭建模型143
    9.2.4 模型視覺化144
    9.2.5 訓練模型145
    9.2.6 提交到kaggle評估146
    9.3 貓狗大戰3.0——使用多種預訓練模型組合提升表現146
    9.3.1 載入資料集147
    9.3.2 使用正確的預處理函數147
    9.3.3 搭建特徵提取模型並匯出特徵147
    9.3.4 搭建並訓練全連接分類器模型148
    9.3.5 在測試集上預測149
    9.4 融合模型150
    9.4.1 獲取特徵150
    9.4.2 資料持久化151
    9.4.3 構建模型151
    9.4.4 在測試集上預測152
    9.5 總結153
    9.6 參考文獻及網頁連結154
    第10章 看圖識字——使用深度神經網路進行文字識別155
    10.1 使用卷積神經網路進行端到端學習155
    10.1.1 編寫資料生成器157
    10.1.2 使用生成器157
    10.1.3 構建深度卷積神經網路158
    10.1.4 模型視覺化158
    10.1.5 訓練模型160
    10.1.6 計算模型總體準確率161
    10.1.7 測試模型161
    10.1.8 模型總結162
    10.2 使用迴圈神經網路改進模型162
    10.2.1 CTC Loss163
    10.2.2 模型結構164
    10.2.3 模型視覺化165
    10.2.4 數據生成器167
    10.2.5 評估模型168
    10.2.6 評估回檔169
    10.2.7 訓練模型169
    10.2.8 測試模型171
    10.2.9 再次評估模型171
    10.2.10 總結173
    10.3 識別四則混合運算驗證碼(初賽)173
    10.3.1 問題描述174
    10.3.2 資料集探索174
    10.3.3 模型結構176
    10.3.4 結果視覺化181
    10.3.5 總結182
    10.4 識別四則混合運算驗證碼(決賽)183
    10.4.1 問題描述183
    10.4.2 資料集探索184
    10.4.3 數據預處理186
    10.4.4 模型結構192
    10.4.5 生成器195
    10.4.6 模型的訓練197
    10.4.7 預測結果198
    10.4.8 模型結果融合199
    10.4.9 其他嘗試200
    10.4.10 小結202
    10.5 參考文獻及網頁連結203
    第11章 見習醫生——使用全卷積神經網路分割病理切片中的癌組織205
    11.1 任務描述205
    11.1.1 賽題設置205
    11.1.2 資料描述206
    11.1.3 數據標注206
    11.2 總體思路206
    11.3 構造模型207
    11.3.1 準備數據208
    11.3.2 構建模型214
    11.3.3 模型優化217
    11.4 程式執行225
    11.5 模型結果視覺化226
    11.5.1 載入函數226
    11.5.2 選擇驗證集並編寫預測函數226
    ……
    11.5.4 嘗試逐步降低學習率230
    11.6 觀察模型在驗證集上的預測表現231
    11.7 參考文獻及網頁連結234
    第12章 知行合一——如何寫一個深度學習App235
    12.1 CAM視覺化235
    12.2 匯出分類模型和CAM視覺化模型236
    12.2.1 載入資料集236
    12.2.2 提取特徵237
    12.2.3 搭建和訓練分類器237
    12.2.4 搭建分類模型和CAM模型238
    12.2.5 視覺化測試239
    12.2.6 保存模型241
    12.2.7 匯出mlmodel模型檔241
    12.3 開始編寫App242
    12.3.1 創建工程242
    12.3.2 配置工程244
    12.3.3 測試工程249
    12.3.4 運行程式249
    12.4 使用深度學習模型250
    12.4.1 將模型導入到工程中250
    12.4.2 資料類型轉換函數250
    12.4.3 實施CAM視覺化252
    12.4.4 模型效果254
    12.5 參考文獻及網頁連結255
     

    詳細資料

    • ISBN:9787302511021
    • 規格:平裝 / 255頁 / 16k / 19 x 26 cm / 普通級 / 1-1
    • 出版地:大陸

    最近瀏覽商品

     
     

    購物說明

    大陸出版品書況:因裝幀品質及貨運條件未臻完善,書況與台灣出版品落差甚大,封面老舊、出現磨痕、凹痕等均屬常態,故簡體字館除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。 

     

    請注意,部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

    調貨時間:若您購買海外庫存之商品,於您完成訂購後,商品原則上約45個工作天內抵台(若有將延遲另行告知)。為了縮短等待的時間,建議您將簡體書與其它商品分開訂購,以利一般商品快速出貨。 

    若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

    退換貨說明 

    會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

    辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

    訂購本商品前請務必詳閱商品退換貨原則。

    • 201902新書
    • 商務印書館
    • 中華書局

    訂閱電子報

    想獲得最新商品資訊,請訂閱免費電子報
  • 不喜欢足球吗?足球体现了一种自由奔放的阳刚之美,我正看呢 2019-02-22
  • 手绘长卷:习近平2018年两会全纪录(动图) 2019-02-19
  • 就算不为了世界杯,俄罗斯也有那么多时髦好去处值得你飞去 2019-02-19
  • [世界杯]格兰奎斯特操刀点球 助瑞典小胜韩国 2019-02-15
  • 礁石旅行地中国国家地理网 2019-02-15
  • 网约车管理,“家规”之外有“行规” 2019-02-09
  • 楼市下半年或持续降温 房地产长效机制加速推进 2019-02-09
  • 国家社科基金《成果要报》汇编(2011年) 2019-01-29
  • 宏达矿业:关于收到上海证券交易所关于公司有关交易事项的监管工作函的公告 2019-01-29
  • 提高认识 聚焦“精准” 坚决打赢脱贫攻坚战 2019-01-28
  • 家装行业猫腻多:“低价全包”变身“加价全包” 2019-01-28
  • 【我奋斗 我幸福】王静:努力寻找光明 2019-01-22
  • 新加坡人解馋就去小贩中心 2019-01-15
  • 王子文再登封面 黑白光影间酷女孩玩转高级时尚 2019-01-15
  • 论炒冷饭只服苹果 32GB版iPhone6上市 售1999元 2019-01-12