深度学习 图像检索原理与应用
正版新书 新华官方库房直发 可开电子发票
￥ 42.48 7.2折 ￥ 59 全新
仅1件
作者张富凯
出版社清华大学出版社
ISBN9787302602491
出版时间2022-07
版次1
装帧平装
开本32开
纸张胶版纸
页数344页
字数241千字
定价59元
货号SC:9787302602491
上书时间2024-06-25
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
"杨峰教授 中国矿业大学（北京）机电与信息工程学院
近年来，深度学习在图像检索领域的研究引起了学术界和工业界的广泛关注。《深度学习——图像检索原理与应用》的作者将自己的研究成果和实践经验进行了系统总结和梳理，循序渐进地介绍了深度学习和图像检索的理论、方法、路线和应用，具有很高的学术价值。
孙连英教授 北京联合大学俄交大联合交通学院
深度学习是近十年来人工智能领域取得的最重要的突破之一，与图像检索结合有着不可替代的优势。《深度学习——图像检索原理与应用》深入浅出地介绍了图像检索的工作原理与技术路线，对于初学者或专业的科技工作者，都有很好的参考价值。
黄明教授 北京建筑大学测绘与城市空间信息学院
《深度学习——图像检索原理与应用》详细阐述了深度学习中物体识别、目标检测、迁移学习、图像生成、图像超分辨率重建等算法的基本原理、模型结构、训练方法，以及这些算法在图像检索中的应用。本书可以作为研究图像检索技术的参考书和工具书，帮助读者理清思路、开拓视野。
袁冠教授 中国矿业大学计算机科学与技术学院
《深度学习——图像检索原理与应用》结构严谨、章节环环相扣，内容引人入胜。本书的作者经验丰富、思维敏捷，将深奥的内容讲解得通俗易懂，有助于读者真正理解并掌握图像检索的基本原理和近期新研究进展。
"
主编推荐:
"深度学习是人工智能研究中的一个新兴领域，通过深度神经网络模拟人脑的机制让计算机深层次地思考并解释数据。图像检索是计算机视觉领域重要的研究课题，目前结合深度学习和图像检索的研究已趋成熟，并且在产业界逐步落地。为满足广大读者对于深度学习和图像检索技术的学习需求，作者编著了此书。本书详细阐述深度学习目标检测、物体识别、迁移学习、图像生成、图像超分辨率重建、多模型融合算法在图像检索中的应用，帮助读者形成关于深度学习和图像检索系统全面的知识体系。《深度学习——图像检索原理与应用》呈现了以下图像检索的理论、技术与应用：
神经网络与深度学习；
图像检索技术；
目标检测与物体识别方法；
迁移学习；
生成对抗网络；
图像超分辨率重建技术；
多模型融合算法；
深度学习模型训练方法。
"
内容简介:
本书系统论述深度学习图像检索的原理与应用。全书共分为两篇：第一篇图像检索基础（第1～3章），介绍图像检索技术、深度学习基础、基于深度学习的图像检索方法；第二篇图像检索应用（第4～8章），以车辆图像为研究对象，深入详细地讲述基于深度神经网络的快速车辆图像检测方法、基于迁移学习场景自适应的车辆图像检索方法、基于多视角图像生成的车辆图像检索方法、基于车牌图像超分辨率重建的车辆图像检索方法、多模型融合的渐进式车辆图像检索方法。附录A和附录B分别提供本书实验所使用的数据集和源代码。
本书适合作为从事深度学习图像检索技术研究的科技工作者、专业技术人员、高校教师、研究生及高年级本科生的参考用书。
目录:
第一篇 图像检索基础
第1章 绪论
1.1 图像检索技术概述
1.1.1 图像检索的分类
1.1.2 图像检索的技术路线
1.1.3 图像检索的评价指标
1.1.4 图像检索的技术难点
1.2 图像检索的研究方法
1.2.1 基于手工描述符的图像检索
1.2.2 基于距离度量学习的图像检索
1.2.3 基于深度学习的图像检索
参考文献
第2章 深度学习基础
2.1 神经网络
2.1.1 神经元模型
2.1.2 感知器和神经网络
2.1.3 误差反向传播算法
2.1.4 常见的神经网络模型
2.2 深度学习概述
2.2.1 卷积神经网络
2.2.2 自动编码器
2.2.3 生成对抗网络
2.2.4 循环神经网络
2.3 深度学习常用框架
2.3.1 Theano
2.3.2 TensorF1ow
2.3.3 Keras
2.3.4 Caffe/Caffe2
Z.3.5 MXNet
2.3.6 CNTK
2.3.7 PyTorch
2.3.8 其他框架
2.4 本章小结
参考文献
第3章 基于深度学习的图像检索
3.1 基于卷积神经网络的图像检索
3.2 基于生成对抗网络的图像检索
3.3 基于注意力机制的图像检索
3.4 基于循环神经网络的图像检索
3.5 基于强化学习的图像检索
3.6 本章小结
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价