深度学习 图像检索原理与应用
全新正版 极速发货
¥
33.03
5.6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
装帧平装
开本32开
定价59元
货号1202704435
上书时间2024-06-01
商品详情
- 品相描述:全新
- 商品描述
-
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
参考文献
第二篇 图像检索应用
第4章 基于深度神经网络的快速车辆图像检测
4.1 引言
4.2 问题描述
4.3 基于连接一合并卷积神经网络的快速车辆检测方法
4.3.1 连接一合并残差网络提取车辆特征
4.3.2 多尺度预测网络推断车辆信息
4.3.3 利用锚点机制预测车辆边界框
4.3.4 网络训练
4.4 实验结果与分析
4.4.1 数据集
4.4.2 评价指标与实验设置
4.4.3 在UA-DETRAC数据集上的实验
4.4.4 在KITTI数据集上的实验
4.5 本章小结
参考文献
第5章 基于迁移学习场景自适应的车辆图像检索
5.1 引言
5.2 问题描述
5.3 车辆迁移生成对抗网络
5.3.1 生成器网络
5.3.2 判别器网络
5.3.3 孪生网络
5.3.4 网络训练
5.4 基于图像风格迁移的车辆图像检索
5.4.1 特征学习
5.4.2 损失函数
5.4.3 基于风格迁移的车辆图像检索
5.5 实验结果与分析
5.5.1 数据集
5.5.2 评价指标与实验设置
5.5.3 车辆图像风格迁移评估
5.5.4 车辆图像检索性能评估
5.5.5 车辆图像检索方法对比
5.6 本章小结
参考文献
第6章 基于多视角图像生成的车辆图像检索
6.1 引言
6.2 问题描述
6.3 车辆图像多视角生成对抗网络
6.3.1 车辆视角估计
6.3.2 条件生成器网络
6.3.3 判别器网络
6.4 基于多视角的车辆图像检索
6.4.1 特征提取
6.4.2 距离度量
6.4.3 推理过程
6.4.4 图像风格迁移与多视角图像生成结合的车辆图像检索
6.5 实验结果与分析
6.5.1 数据集
6.5.2 评价指标与实验设置
6.5.3 多视角生成对抗网络性能评估
6.5.4 车辆图像检索方法对比
6.5.5 车辆图像检索消融实验
6.6 本章小结
参考文献
第7章 基于车牌图像超分辨率重建的车辆图像检索
7.1 引言
7.2 问题描述
7.3 车牌检测与偏斜校正
7.3.1 网络结构
7.3.2 仿射变换
7.4 车牌图像超分辨率生成对抗网络
……
内容摘要
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。
— 没有更多了 —
以下为对购买帮助不大的评价