深度学习与机器人
全新正版 极速发货
￥ 53.94 6.8折 ￥ 79 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者张锐
出版社电子工业
ISBN9787121458644
出版时间2023-07
装帧其他
开本其他
定价79元
货号31794715
上书时间2024-06-03
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张锐，北京钢铁侠科技有限公司创始人，全国仿生学标准化技术委员会委员，全国工商联高端装备制造与仪器仪表委员会委员，中关村高聚工程高端领军人才，北京市青年托举工程入选人，青岛市拔尖人才，中国人工智能学会教育工作委员会委员，教育部高职专科智能机器人技术、高职本科机器人技术教学标准起草委员会委员，参与制定机器人领域国家标准6项，承担了多个北京市科技重大专项等省部级项目。
目录
目录
认 知 篇
第1章 人工智能、深度学习和计算机视觉1
1.1 人工智能简介1
1.2 人工智能的发展3
1.3 深度学习简介4
1.4 计算机视觉5
第2章 卷积神经网络及应用介绍7
2.1 神经网络结构8
2.1.1 神经元与感知器8
2.1.2 神经网络9
2.2 图像识别的任务10
2.2.1 视觉感知10
2.2.2 图像表达11
2.2.3 画面不变性12
2.3 卷积神经网络结构14
2.3.1 卷积层15
2.3.2 池化16
2.3.3 激活函数16
2.3.4 全连接层17
2.3.5 卷积神经网络训练18
2.4 软件环境安装20
2.4.1 Python环境安装20
2.4.2 Numpy功能包安装25
2.5 卷积神经网络代码详解26
2.5.1 Numpy功能包导入26
2.5.2 卷积层的实现26
2.5.3 Max Pooling层的实现35
2.6 网络参数调整或微调37
框 架 篇
第3章 图像分类及目标检测38
3.1 图像分类简介38
3.1.1 AlexNet42
3.1.2 VGG45
3.1.3 GoogLeNet49
3.1.4 ResNet53
3.2 目标检测60
3.2.1 目标检测简介60
3.2.2 RCNN基础72
3.2.3 Faster RCNN原理80
3.2.4 Yolo系列算法89
3.2.5 Yolov3案例105
第4章 PyTorch基础137
4.1 PyTorch简介137
4.1.1 Tensor数据类型137
4.1.2 Tensor运算140
4.1.3 搭建简单的神经网络144
4.2 自动求梯度146
4.3 构建模型和优化参数148
4.3.1 torch.nn148
4.3.2 torch.optim151
4.4 案例：基于PyTorch的CIFAR-10图片分类153
第5章 PaddlePaddle基础157
5.1 PaddlePaddle卷积神经网络基础157
5.1.1 CNN的构成158
5.1.2 卷积层159
5.1.3 填充160
5.1.4 步长161
5.1.5 多通道卷积161
5.1.6 多卷积核卷积162
5.1.7 特征图大小163
5.1.8 池化层163
5.1.9 全连接层164
5.2 PaddlePaddle基本运算165
5.3 使用PaddlePaddle高层API直接调用分类网络170
5.4 手写数字识别案例171
5.4.1 数据处理及数据加载172
5.4.2 网络结构和设置学习率173
5.4.3 模型训练及模型推理174
实 战 篇
第6章 深度学习智能车项目180
6.1 智能车硬件架构设计181
6.2 深度学习智能车各部分介绍182
6.3 软件安装和使用183
6.4 点亮深度学习智能车的车灯185
6.4.1 深度学习智能车车灯介绍185
6.4.2 智能车LED引脚连接配置185
6.4.3 智能车LED电路设计186
6.4.4 程序设计186
6.4.5 执行程序和查看结果187
6.5 智能车运动控制187
6.5.1 智能车电机特征187
6.5.2 电机工作方式188
6.5.3 智能车电机控制189
6.5.4 智能车电机引脚连接配置190
6.5.5 电机驱动电路190
6.5.6 智能车驱动程序设计192
6.5.7 执行程序和查看结果194
6.6 智能车上位机与下位机通信194
6.6.1 智能车下位机程序设计194
6.6.2 智能车上位机程序设计198
6.6.3 智能车串口通信调试199
第7章 实战案例200
7.1 基于PaddlePaddle深度学习框架的安装200
7.2 车道线识别数据处理与模型构建203
7.3 车道线识别训练模型207
7.4 标志物检测的数据采集与处理211
7.5 Yolov5网络模型介绍213
7.5.1 Yolov5网络结构213
7.5.2 Yolov5相对于Yolov4和Yolov3的改进215
7.6 标志物识别的模型训练218
7.7 智能车无人驾驶实践226
7.7.1 无人驾驶沙盘模型226
7.7.2 深度学习智能车227
7.7.3 遥控使用228
7.7.4 深度学习智能车229
参考文献235
内容摘要
本书基于卷积神经网络和图像识别方法，介绍了PyTorch和PaddlePaddle两种框架，并结合移动机器人讲解了具体的开发过程。书中所用的硬件平台，带有两个摄像头传感器，为机器人和无人驾驶车辆多摄像头导航提供了理论指导。书中提到的模拟沙盘，正是机器人作为园区巡检或无人配送实例的缩影。通过基于理论的实践，本书不局限于具体的平台和场景，可以作为实现深度学习的通用化方法。本书源于工程化实践，抽象为具体方法和案例，为学习基于深度学习的机器人技术提供了指南。
— 没有更多了 —
以下为对购买帮助不大的评价