深度学习之PyTorch物体检测实战 董洪义 著 机械工业出版社
【85成左右新】笔记很少,整体很新,质量问题支持退换货,售后无忧;但不要拍错哦!
¥
22.89
2.6折
¥
89
八五品
库存38件
作者董洪义 著
出版社机械工业出版社
ISBN9787111641742
出版时间2020-01
版次1
装帧平装
开本16开
纸张胶版纸
页数280页
定价89元
货号9787111641742
上书时间2023-12-27
商品详情
- 品相描述:八五品
-
【书非常新,有少许笔记】但不影响阅读,无附件和增值服务等。
- 商品描述
-
基本信息
书名:深度学习之PyTorch物体检测实战
定价:89.00元
作者:董洪义 著
出版社:机械工业出版社
出版日期:2020-01-01
ISBN:9787111641742
字数:
页码:280
版次:1
装帧:平装
开本:16开
商品重量:
编辑推荐
内容提要
《深度学习之PyTorch物体检测实战》从概念、发展、经典实现方法等几个方面系统地介绍了物体检测的相关知识,重点介绍了Faster RCNN、SDD和YOLO这三个经典的检测器,并利用PyTorch框架从代码角度进行了细致讲解。另外,《深度学习之PyTorch物体检测实战》进一步介绍了物体检测的轻量化网络、细节处理、难点问题及未来的发展趋势,从实战角度给出了多种的解决方法,便于读者更深入地掌握物体检测技术,从而做到在实际项目中灵活应用。《深度学习之PyTorch物体检测实战》共10章,涵盖的主要内容有物体检测与PyTorch框架基础概念与背景知识;PyTorch基础知识;基础卷积网络Backbone;两阶经典检测器Faster RCNN;单阶多层检测器SSD;单阶经典检测器YOLO;模型加速之轻量化网络;物体检测细节处理;物体检测难点问题;物体检测的未来发展。《深度学习之PyTorch物体检测实战》内容丰富,讲解通俗易懂,案例典型,实用性强,特别适合PyTorch框架爱好者和物体检测相关从业人员阅读,也适合深度学习和计算机视觉领域的研究人员阅读。另外,《深度学习之PyTorch物体检测实战》还适合作为深度学习培训机构的教材使用。
目录
(因字数所限,部分章节只给出了二级目录,完整目录请查看华章网站)篇 物体检测基础知识章 浅谈物体检测与PyTorch 21.1 深度学习与计算机视觉 21.1.1 发展历史 21.1.2 计算机视觉 71.2 物体检测技术 91.2.1 发展历程 101.2.2 技术应用领域 111.2.3 评价指标 121.3 PyTorch简介 171.3.1 诞生与特点 171.3.2 各大深度学习框架对比 171.3.3 为什么选择PyTorch 191.3.4 安装方法 201.4 基础知识准备 221.4.1 Linux基础 221.4.2 Python基础 241.4.3 高效开发工具 291.5 总结 36第2章 PyTorch基础 372.1 基本数据:Tensor 372.1.1 Tensor数据类型 372.1.2 Tensor的创建与维度查看 392.1.3 Tensor的组合与分块 412.1.4 Tensor的索引与变形 422.1.5 Tensor的排序与取极值 462.1.6 Tensor的自动广播机制与向量化 462.1.7 Tensor的内存共享 472.2 Autograd与计算图 482.2.1 Tensor的自动求导:Autograd 492.2.2 计算图 502.2.3 Autograd注意事项 512.3 神经网络工具箱torch.n 522.3.1 nn.Module类 522.3.2 损失函数 552.3.3 优化器nn.optim 562.4 模型处理 592.4.1 网络模型库:torchvision.models 592.4.2 加载预训练模型 602.4.3 模型保存 612.5 数据处理 612.5.1 主流公开数据集 612.5.2 数据加载 632.5.3 GPU加速 652.5.4 数据可视化 662.6 总结 68第3章 网络骨架:Backbone 693.1 神经网络基本组成 693.1.1 卷积层 703.1.2 激活函数层 723.1.3 池化层 753.1.4 Dropout层 763.1.5 BN层 773.1.6 全连接层 793.1.7 深入理解感受野 813.1.8 详解空洞卷积(Dilated Convolution) 823.2 走向深度:VGGNet 833.3 纵横交错:Inceptio 873.4 里程碑:ResNet 933.5 继往开来:DenseNet 953.6 特征金字塔:FPN 993.7 为检测而生:DetNet 1063.8 总结 110第2篇 物体检测经典框架第4章 两阶经典检测器:Faster RCNN 1124.1 RCNN系列发展历程 1124.2 准备工作 1144.3 Faster RCNN总览 1154.4 详解RPN 1174.5 RoI Pooling层 1274.6 全连接RCNN模块 1304.7 Faster RCNN的改进算法 1314.8 总结 141第5章 单阶多层检测器:SSD 1425.1 SSD总览 1425.2 数据预处理 1445.3 网络架构 1485.4 匹配与损失求解 1545.5 SSD的改进算法 1575.6 总结 166第6章 单阶经典检测器:YOLO 1676.1 无锚框预测:YOLO v1 1676.2 依赖锚框:YOLO v2 1716.3 多尺度与特征融合:YOLO v3 1806.4 总结 183第3篇 物体检测的难点与发展第7章 模型加速之轻量化网络 1867.1 压缩再扩展:SqueezeNet 1887.2 深度可分离:MobileNet 1917.3 通道混洗:ShuffleNet 2007.4 总结 207第8章 物体检测细节处理 2098.1 非极大值抑制:NMS 2098.2 样本不均衡问题 2178.3 模型过拟合 2248.4 总结 229......
作者介绍
董洪义 本科、硕士均毕业于北京航空航天大学。深度学习与PyTorch资深爱好者。现任百度自动驾驶高级算法工程师。曾担任Phantom Tiger算法负责人、地平线智能驾驶部门算法实习生、北航国际拓展团团长。曾经被评为北京航空航天大学年度人物。曾经获得了Kaggle竞赛银牌。本科期间成绩年级,曾前往日本、英国、比利时、荷兰等国的知名学校访问交流。研究方向为自动驾驶感知、智能机器人与计算机视觉。有3年以上的深度学习研发经验。
序言
— 没有更多了 —
以下为对购买帮助不大的评价