書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí)

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí)

作者：張勤儉 編
出版社：化學(xué)工業(yè)出版社出版時(shí)間：2024-09-01
開(kāi)本： 32開(kāi) 頁(yè)數(shù)： 272
中 圖 價(jià):¥55.9(7.0折) 定價(jià)  ¥79.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí) 版權(quán)信息

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí) 本書(shū)特色

1.本書(shū)深入剖析機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)的原理、方法和應(yīng)用，以基礎(chǔ)理論和實(shí)踐經(jīng)驗(yàn)相結(jié)合的形式講解；2.本書(shū)內(nèi)容包含廣泛的主題，包括圖像處理、特征提取、目標(biāo)檢測(cè)、圖像分割、人臉識(shí)別、物體識(shí)別等；3.本書(shū)關(guān)鍵章節(jié)都有典型的案例分析和應(yīng)用場(chǎng)景的介紹，實(shí)用價(jià)值高。

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí) 內(nèi)容簡(jiǎn)介

《機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用：基于深度學(xué)習(xí)》致力于深入剖析機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)的內(nèi)在機(jī)理、實(shí)用策略及其多元化應(yīng)用，旨在為讀者搭建起一個(gè)堅(jiān)實(shí)而全面的理論知識(shí)與實(shí)踐經(jīng)驗(yàn)的橋梁。內(nèi)容涉獵廣泛，既涵蓋圖像處理、特征提取、目標(biāo)檢測(cè)，又深入探索圖像分割、人臉識(shí)別、物體識(shí)別等，從基礎(chǔ)概念到高級(jí)算法，全面又深入。在深度解讀各個(gè)主題的同時(shí)，本書(shū)注重理論與實(shí)踐的緊密結(jié)合，相關(guān)章節(jié)均配以典型的案例分析，展示這些技術(shù)在現(xiàn)實(shí)場(chǎng)景中的具體應(yīng)用。
通過(guò)閱讀本書(shū)，讀者將深入理解機(jī)器視覺(jué)技術(shù)的運(yùn)作原理，并學(xué)會(huì)如何將這些技術(shù)靈活運(yùn)用于解決實(shí)際問(wèn)題。此外，本書(shū)還特別關(guān)注機(jī)器視覺(jué)技術(shù)所帶來(lái)的倫理、隱私和社會(huì)影響等深層次議題，確保技術(shù)的發(fā)展既有利于社會(huì)進(jìn)步，又尊重和保護(hù)個(gè)體的權(quán)利與隱私，實(shí)現(xiàn)可持續(xù)發(fā)展。
本書(shū)適合從事計(jì)算機(jī)視覺(jué)、人工智能、圖像處理以及相關(guān)領(lǐng)域研究和開(kāi)發(fā)的專業(yè)人士閱讀，也可作為高等院校計(jì)算機(jī)相關(guān)專業(yè)的教材，對(duì)機(jī)器視覺(jué)感興趣的人群也可以閱讀。

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí) 目錄

第1章 機(jī)器視覺(jué)概述
1.1 機(jī)器視覺(jué)的基本概念 002
1.2 機(jī)器視覺(jué)的發(fā)展歷程 005
1.3 機(jī)器視覺(jué)的發(fā)展趨勢(shì) 008
1.4 機(jī)器視覺(jué)的應(yīng)用領(lǐng)域 011 第2章 深度學(xué)習(xí)基礎(chǔ)知識(shí)
2.1 基本概念與理論 018
2.2 基本思想 022
2.3 深度學(xué)習(xí)常用的方法 022 第3章 深度學(xué)習(xí)與機(jī)器視覺(jué)
3.1 深度學(xué)習(xí)應(yīng)用于機(jī)器視覺(jué) 028
3.2 深度學(xué)習(xí)應(yīng)用于機(jī)器視覺(jué)的例子 030
3.2.1 基于深度學(xué)習(xí)的機(jī)器視覺(jué)在谷歌中的應(yīng)用 030
3.2.2 基于深度學(xué)習(xí)的機(jī)器視覺(jué)在百度中的應(yīng)用 030
3.2.3 基于深度學(xué)習(xí)的機(jī)器視覺(jué)在醫(yī)療中的應(yīng)用 032
3.2.4 基于深度學(xué)習(xí)的機(jī)器視覺(jué)在安防中的應(yīng)用 033
3.2.5 基于深度學(xué)習(xí)的機(jī)器視覺(jué)在攝影攝像中的應(yīng)用 033
3.3 機(jī)器視覺(jué)的關(guān)鍵深度學(xué)習(xí)方法和應(yīng)用 034 第4章 圖像分類與參數(shù)學(xué)習(xí)
4.1 圖像分類基礎(chǔ) 042
4.2 線性分類器 044
4.3 損失函數(shù) 047
4.3.1 損失函數(shù)的作用 047
4.3.2 常見(jiàn)的損失函數(shù) 048 第5章 Transformer
5.1 Transformer背景 052
5.1.1 Transformer簡(jiǎn)介 052
5.1.2 傳統(tǒng)序列模型的局限性 053
5.2 Transformer模型 054
5.2.1 Transformer基本框架 054
5.2.2 輸入部分 054
5.2.3 編碼器結(jié)構(gòu) 057
5.2.4 解碼器結(jié)構(gòu) 059
5.3 Transformer在機(jī)器視覺(jué)中的應(yīng)用 060
5.3.1 Detection Transformer（DETR） 060
5.3.2 Unsupervised Pre-training for Object Detection with Transformers（UP-DETR） 062
5.3.3 Deformable DETR 062 第6章 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)
6.1 目標(biāo)檢測(cè)技術(shù) 066
6.1.1 目標(biāo)檢測(cè)概念 066
6.1.2 目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo) 067
6.1.3 目標(biāo)檢測(cè)數(shù)據(jù)集 070
6.2 目標(biāo)檢測(cè)方法 071
6.2.1 傳統(tǒng)目標(biāo)檢測(cè)算法 071
6.2.2 基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法 073
6.3 基于區(qū)域的兩階段目標(biāo)檢測(cè)方法 076
6.3.1 R-CNN 076
6.3.2 SPP-Net 080
6.3.3 Fast R-CNN 083
6.3.4 Faster R-CNN 086
6.4 基于區(qū)域的單階段目標(biāo)檢測(cè)方法 091
6.4.1 SSD 092
6.4.2 YOLO v3 095
6.4.3 RetinaNet 098
6.5 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法應(yīng)用場(chǎng)景 102
6.5.1 農(nóng)業(yè)領(lǐng)域應(yīng)用——害蟲(chóng)檢測(cè) 102
6.5.2 航天領(lǐng)域應(yīng)用——遙感監(jiān)測(cè) 103
6.5.3 交通領(lǐng)域應(yīng)用——車(chē)輛檢測(cè) 103 第7章 目標(biāo)識(shí)別
7.1 目標(biāo)識(shí)別技術(shù) 108
7.1.1 目標(biāo)識(shí)別概念 108
7.1.2 目標(biāo)識(shí)別評(píng)價(jià)指標(biāo) 108
7.2 目標(biāo)識(shí)別方法 109
7.2.1 傳統(tǒng)目標(biāo)識(shí)別方法 109
7.2.2 深度學(xué)習(xí)目標(biāo)識(shí)別方法 112 第8章 深度學(xué)習(xí)中的目標(biāo)識(shí)別
8.1 圖像識(shí)別模型介紹 114
8.2 圖像識(shí)別模型改進(jìn)算法 118
8.2.1 小加權(quán)隨機(jī)搜索算法 118
8.2.2 E-S判斷方法 121
8.2.3 構(gòu)造小型卷積神經(jīng)網(wǎng)絡(luò) 122
8.2.4 殘差網(wǎng)絡(luò)模型 124
8.2.5 融入注意力機(jī)制的殘差網(wǎng)絡(luò)識(shí)別算法 126
8.3 基于深度學(xué)習(xí)的目標(biāo)識(shí)別算法應(yīng)用場(chǎng)景 129
8.3.1 生物信息領(lǐng)域應(yīng)用——人臉識(shí)別 129
8.3.2 軍事領(lǐng)域應(yīng)用——雷達(dá)探測(cè) 134
8.3.3 工業(yè)領(lǐng)域應(yīng)用——水下作業(yè) 134 第9章 前列腺腫瘤檢測(cè)
9.1 前列腺圖像復(fù)原、重建與合成 143
9.1.1 醫(yī)學(xué)圖像復(fù)原與重建 143
9.1.2 前列腺圖像合成 145
9.2 醫(yī)學(xué)圖像配準(zhǔn)與分割 147
9.2.1 醫(yī)學(xué)圖像配準(zhǔn) 147
9.2.2 醫(yī)學(xué)圖像分割 148 第10章 目標(biāo)檢測(cè)與識(shí)別技術(shù)在醫(yī)療領(lǐng)域中的應(yīng)用
10.1 醫(yī)學(xué)圖像處理技術(shù)及應(yīng)用價(jià)值 152
10.1.1 醫(yī)學(xué)圖像的類型 152
10.1.2 醫(yī)學(xué)圖像的格式 155
10.1.3 目標(biāo)檢測(cè)與識(shí)別技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用價(jià)值 157
10.2 影像圖像的疾病診斷與病灶分型 158
10.2.1 典型的疾病診斷網(wǎng)絡(luò) 159
10.2.2 影像的疾病診斷應(yīng)用 165
10.3 影像圖像的組織器官分割技術(shù) 176
10.3.1 通用分割網(wǎng)絡(luò) 177
10.3.2 專用分割技術(shù) 189
10.4 公開(kāi)數(shù)據(jù)集 203
10.4.1 影像診斷 203
10.4.2 器官分割 207
10.4.3 病理分析與生物信息 209
10.4.4 競(jìng)賽單元/通用數(shù)據(jù)集 210 第11章 生菜識(shí)別及性狀分析
11.1 背景介紹 218
11.2 定義問(wèn)題 219
11.3 數(shù)據(jù)分析 220
11.3.1 數(shù)據(jù)內(nèi)容及結(jié)構(gòu) 220
11.3.2 數(shù)據(jù)相關(guān)性分析 222
11.4 數(shù)據(jù)處理 226
11.4.1 數(shù)據(jù)加載及預(yù)處理 226
11.4.2 數(shù)據(jù)增強(qiáng) 228
11.4.3 標(biāo)簽加載 229
11.5 模型搭建 230
11.5.1 三階段多分支自校正網(wǎng)絡(luò)設(shè)計(jì)思路 230
11.5.2 主模型 233
11.5.3 輔助模型 237
11.6 模型訓(xùn)練 241
11.6.1 訓(xùn)練參數(shù)設(shè)置 241
11.6.2 訓(xùn)練曲線及結(jié)果分析 243
11.7 模型評(píng)估 247
11.7.1 評(píng)估指標(biāo) 247
11.7.2 評(píng)估結(jié)果 248
11.8 模型討論 254
11.8.1 深度圖像的數(shù)據(jù)處理方法討論 254
11.8.2 輔助模型的設(shè)計(jì)及選擇 256
11.8.3 高通量情形下的生菜性狀估計(jì)思路設(shè)計(jì) 258
展開(kāi)全部

機(jī)器視覺(jué)檢測(cè)與識(shí)別技術(shù)及應(yīng)用 基于深度學(xué)習(xí) 作者簡(jiǎn)介

張勤儉，北京信息科技大學(xué)教授，博士生導(dǎo)師，F(xiàn)任超聲加工技術(shù)委員會(huì)副主任、中國(guó)模具工業(yè)協(xié)會(huì)拉絲模委員會(huì)副主任、中國(guó)機(jī)械工程學(xué)會(huì)特種加工分會(huì)副秘書(shū)長(zhǎng)、中國(guó)機(jī)械制造工藝協(xié)會(huì)理事。2002年被評(píng)為“北京市科技新星”，主持國(guó)家重點(diǎn)研發(fā)計(jì)劃等省部級(jí)以上項(xiàng)目10余項(xiàng)，獲省部級(jí)以上獎(jiǎng)勵(lì)4項(xiàng)，出版專著3部，發(fā)表學(xué)術(shù)論文100余篇。主要研究方向：特種加工技術(shù)、工藝與設(shè)備；智能（醫(yī)療）機(jī)器人技術(shù)。

暫無(wú)評(píng)論……
書(shū)友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服