深度学习技术图像处理入门 Shen du xue xi ji shu tu xiang chu li ru men

封面 1 扉页 2 内容简介 3 版权页 3 序 4 前言 6 目录 8 第1章 搭建指定的开发环境 14 1.1 为什么要使用指定的开发环境 14 1.2 硬件准备 15 1.3 软件准备 22 1.4 参考文献及网页链接 25 第2章 温故知新——机器学习基础知识 26 2.1 人工智能、机器学习与深度学习 26 2.2 训练一个传统的机器学习模型 28 2.3 数据挖掘与训练模型 42 2.4 参考文献及网页链接 62 第3章 数形结合——图像处理基础知识 63 3.1 读取图像文件进行基本操作 64 3.2 用简单的矩阵操作处理图像 66 3.3 使用OpenCV“抠图”——基于颜色通道以及形态特征 72 3.4 基于传统特征的传统图像分类方法 77 3.5 参考文献及网页链接 86 第4章 继往开来——使用深度神经网络框架 87 4.1 从逻辑回归说起 87 4.2 深度学习框架 89 4.3 基于反向传播算法的自动求导 90 4.4 简单的深度神经网络框架实现 93 4.5 参考文献及网页链接 102 第5章 排列组合——深度神经网络框架的模型元件 103 5.1 常用层 105 5.2 卷积层 107 5.3 池化层 115 5.4 正则化层与过拟合 117 5.5 反卷积层 118 5.6 循环层 122 5.7 参考文献及网页链接 123 第6章 少量多次——深度神经网络框架的输入处理 125 6.1 批量生成训练数据 126 6.2 数据增强 128 6.3 参考文献及网页链接 130 第7章 愚公移山——深度神经网络框架的模型训练 131 7.1 随机梯度下降 132 7.2 动量法 133 7.3 自适应学习率算法 134 7.4 实验案例 137 7.5 参考文献及网页链接 141 第8章 小试牛刀——使用深度神经网络进行CIFAR-10数据分类 142 8.1 上游部分——基于生成器的批量生成输入模块 144 8.2 核心部分——用各种零件搭建深度神经网络 144 8.3 下游部分——使用凸优化模块训练模型 145 8.4 参考文献及网页链接 146 第9章 见多识广——使用迁移学习提升准确率 147 9.1 猫狗大战1.0——使用卷积神经网络直接进行训练 148 9.2 猫狗大战2.0——使用ImageNet数据集预训练模型 155 9.3 猫狗大战3.0——使用多种预训练模型组合提升表现 159 9.4 融合模型 163 9.5 总结 166 9.6 参考文献及网页链接 167 第10章 看图识字——使用深度神经网络进行文字识别 168 10.1 使用卷积神经网络进行端到端学习 168 10.2 使用循环神经网络改进模型 175 10.3 识别四则混合运算验证码(初赛) 186 10.4 识别四则混合运算验证码(决赛) 196 10.5 参考文献及网页链接 216 第11章 见习医生——使用全卷积神经网络分割病理切片中的癌组织 218 11.1 任务描述 218 11.2 总体思路 219 11.3 构造模型 220 11.4 程序执行 238 11.5 模型结果可视化 239 11.6 观察模型在验证集上的预测表现 244 11.7 参考文献及网页链接 247 第12章 知行合一——如何写一个深度学习App 248 12.1 CAM可视化 248 12.2 导出分类模型和CAM可视化模型 249 12.3 开始编写App 255 12.4 使用深度学习模型 263 12.5 参考文献及网页链接 268 正文结束 268 Ben shu cong ji qi xue xi,Tu xiang chu li de ji ben gai nian ru shou,Zhu bu chan shu shen du xue xi tu xiang chu li ji shu de ji ben yuan li yi ji jian dan de shi xian.Ji er yi ji ge shi zhan an li lai jie shao ru he shi yong shen du xue xi fang fa,Zai shu ju fen xi jing sai zhong qu de jiao gao de pai ming.Zui hou,Tong guo ge shi zhan an li,Jie shao ru he jiang mo xing fang ru iOS cheng xu,Zhi zuo xiang ying de ren gong zhi neng shou ji App