深度学习与图像识别:原理与实践中文版怎么样?最新电子版pdf下载:
这是一部从技术原理、算法和工程实践3个维度系统讲解图像识别的著作，由阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写。
在知识点的选择上，本书广度和深度兼顾，既能让完全没有基础的读者迅速入门，又能让有基础的读者深入掌握图像识别的核心技术；在写作方式上，本书避开了复杂的数学公式及其推导，从问题的前因后果 、创造者的思考过程，利用简单的数学计算来做模型分析和讲解，通俗易懂。更重要的是，本书不仅仅是聚焦于技术，而是将重点放在了如何用技术解决实际的业务问题。
全书一共13章：
第1-2章主要介绍了图像识别的应用场景、工具和工作环境的搭建；
第3-6章详细讲解了图像分类算法、机器学习、神经网络、误差反向传播等图像识别的基础技术及其原理；
第7章讲解了如何利用PyTorch来实现神经网络的图像分类，专注于实操，是从基础向高阶的过渡；
第8-12章深入讲解了图像识别的核心技术及其原理，包括卷积神经网络、目标检测、分割、产生式模型、神经网络可视化等主题；
第13章从工程实践的角度讲解了图像识别算法的部署模式。
目录 · · · · · ·
前言
第1章 机器视觉在行业中的应用1
1.1 机器视觉的发展背景1
1.2 机器视觉的主要应用场景3
1.3 本章小结10
第2章 图像识别前置技术11
2.1 深度学习框架11
2.2 搭建图像识别开发环境15
2.3 Numpy使用详解20
2.4 本章小结31
第3章 图像分类之KNN算法32
3.1 KNN的理论基础与实现32
3.2 图像分类识别预备知识35
3.3 KNN实战36
3.5 本章小结48
第4章 机器学习基础49
4.1 线性回归模型49
4.2 逻辑回归模型57
4.3 本章小结68
第5章 神经网络基础69
5.1 神经网络69
5.2 输出层80
5.3 批处理85
5.4 广播原则87
5.5 损失函数88
5.6 最优化91
5.7 基于数值微分的反向传播98
5.8 基于测试集的评价101
5.9 本章小结104
第6章 误差反向传播105
6.1 激活函数层的实现105
6.2 Affine层的实现107
6.3 Softmaxwithloss层的实现108
6.4 基于数值微分和误差反向传播的比较109
6.5 通过反向传播实现MNIST识别111
6.6 正则化惩罚114
6.7 本章小结115
第7章 PyTorch实现神经网络图像分类116
7.1 PyTorch的使用116
7.2 PyTorch实战122
7.3 本章小结128
第8章 卷积神经网络129
8.1 卷积神经网络基础129
8.2 常见卷积神经网络结构135
8.3 VGG16实现Cifar10分类145
8.4 本章小结152
8.5 参考文献152
第9章 目标检测153
9.1 定位+分类153
9.2 目标检测155
9.3 SSD实现VOC目标检测167
9.4 本章小结190
9.5 参考文献191
第10章 分割192
10.1 语义分割193
10.2 实例分割211
10.3 本章小结213
10.4 参考文献214
第11章 产生式模型215
11.1 自编码器215
11.2 对抗生成网络215
11.3 DCGAN及实战217
11.4 其他GAN230
11.5 本章小结235
11.6 参考文献235
第12章 神经网络可视化236
12.1 卷积核236
12.2 特征层237
12.3 图片风格化245
12.4 本章小结255
12.5 参考文献255
第13章 图像识别算法的部署模式257
13.1 图像算法部署模式介绍257
13.2 实际应用场景和部署模式的匹配262
13.3 案例介绍264
13.4 本章小结265