基于深度学习的图像处理9787030763563
正版图书，可开发票，请放心购买。
￥ 73.5 7.5折 ￥ 98 全新
库存15件
广东广州
认证卖家担保交易快速发货售后保障
作者吴兰著
出版社科学出版社
ISBN9787030763563
出版时间2024-01
装帧平装
开本其他
定价98元
货号14836499
上书时间2024-09-26
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录
“信息科学技术学术著作丛书”序
前言
第1章图像去模糊方法1
1.1多尺度编解码深度卷积神经网络图像去模糊1
1.1.1图像特征提取模块1
1.1.2网络结构模型5
1.1.3实验与分析10
1.2多尺度特征金字塔网络图像去模糊16
1.2.1特征金字塔网络原理16
1.2.2网络结构模型17
1.2.3实验与分析22
1.3本章小结25
参考文献26
第2章视频信息缺失补全27
2.1基于双判别器生成对抗网络的视频单帧补全28
2.1.1网络模型28
2.1.2损失函数30
2.1.3实验与分析31
2.2基于渐进增长生成对抗网络的视频多帧补全36
2.2.1网络模型36
2.2.2实验与分析39
2.3本章小结43参考文献43
第3章图像分类识别45
3.1基于卷积神经网络的图像分类识别46
3.1.1卷积神经网络模型和结构设计46
3.1.2实验与分析49
3.2基于贝叶斯正则化深度卷积神经网络的图像分类50
3.2.1深度卷积神经网络的贝叶斯学习方法50
3.2.2实验与分析53
3.3本章小结56
参考文献56
第4章图像领域自适应58
4.1基于深度对抗域自适应网络的图像识别58
4.1.1深度对抗域自适应网络58
4.1.2实验与分析61
4.2基于深度加权子域自适应网络的图像识别63
4.2.1深度加权子域自适应网络63
4.2.2实验与分析66
4.3基于自监督任务很优选择的无监督域自适应68
4.3.1无监督域自适应网络68
4.3.2实验与分析72
4.4本章小结74
参考文献75
第5章多源跨域图像迁移学习76
5.1基于自监督任务的多源无监督域自适应77
5.1.1多源无监督域自适应网络77
5.1.2实验与分析81
5.2序贯式多源域自适应85
5.2.1序贯式多源域自适应方法85
5.2.2实验与分析89
5.3基于相似性度量的多源到多目标域适应93
5.3.1基于相似性度量的多源到多目标域适应方法93
5.3.2实验与分析97
5.4本章小结100
参考文献101
内容摘要
本书瞄准图像处理方向，系统分析深度学习在其各环节的应用，并引入图像隐写分析方法，进一步扩展深度学习在图像处理中的应用领域，推动相关理论与应用的创新，助力相关行业的智能化发展。本书从图像预处理、视频信息补全、图像分类识别、伪造图像隐写信息的预处理与识别四个部分展开，共包含13章内容。书中涉及的深度学习模型包括:多尺度编解码卷积神经网络、多尺度特征金字塔网络、双判别器GAN、渐进增长GAN、贝叶斯正则化卷积神经网络、深度对抗域自适应网络、深度加权子域自适应网络等。本书力争从深度学习与图像处理的前沿出发，以期能为读者带来前瞻性的视角，更系统地掌握深度学习在图像处理各个环节中的应用。章节安排由浅入深，在模型概述和发展的基础上有序展开，内容涵盖更为广泛，模型讨论较为深入，应用实践力求细致，并对每章方法的性能进行了深入的比较与评价。希望为读者入门学习及深入钻研提供一定帮助。
精彩内容
本书瞄准图像处理方向，系统分析深度学习在其各环节的应用，并引入图像隐写分析方法，进一步扩展深度学习在图像处理中的应用领域，推动相关理论与应用的创新，助力相关行业的智能化发展。本书从图像预处理、视频信息补全、图像分类识别、伪造图像隐写信息的预处理与识别四个部分展开，共包含13章内容。书中涉及的深度学习模型包括:多尺度编解码卷积神经网络、多尺度特征金字塔网络、双判别器GAN、渐进增长GAN、贝叶斯正则化卷积神经网络、深度对抗域自适应网络、深度加权子域自适应网络等。本书力争从深度学习与图像处理的前沿出发，以期能为读者带来前瞻性的视角，更系统地掌握深度学习在图像处理各个环节中的应用。章节安排由浅入深，在模型概述和发展的基础上有序展开，内容涵盖更为广泛，模型讨论较为深入，应用实践力求细致，并对每章方法的性能进行了深入的比较与评价。希望为读者入门学习及深入钻研提供一定帮助。
— 没有更多了 —
以下为对购买帮助不大的评价