奇迹小说
基于深度学习的目标检测原理与应用

基于深度学习的目标检测原理与应用

作者: 翟中华,孙云龙,陆澍旸 编著

10.83万55人 正在读

已完结现代当代当代文学
作品简介

本书遵循循序渐进、深入浅出的理念,引领读者夯实相关基础知识,掌握传统目标检测方法,再逐步过渡到深度学习的基本概念及分类用法,进而深入讲解目标检测的两阶段深度学习方法、一阶段学习方法,即从以R-CNN为代表的两阶段深度学习方法、以YOLO系列为代表的一阶段学习方法等,层层揭开深度学习用于目标检测的“神秘面纱”,探究其中的奥秘。本书适合目标检测领域的工程师、研究员阅读,也可作为深度学习相关专业本科生、研究生的重要参考书,还可作为互联网行业IT技术人员转型学习人工智能的参考用书。

目录 (174章)
倒序
正文
1.1.1人类视觉与计算机视觉比较1.1.2计算机视觉应用展现1.2目标检测概述1.2.1计算机视觉三大主要任务1.2.2目标检测的应用1.2.3目标检测面临的挑战1.2.4目标检测方法第2章计算机视觉数学、编程基础2.1.1向量2.1.2矩阵2.1.3卷积2.2函数极值理论与非极大值抑制2.2.1函数极值理论2.2.2非极大值抑制2.3.1OpenCV的历史起源2.3.2安装OpenCV2.3.3OpenCV图像和视频的读/写2.3.4OpenCV基本操作2.3.5OpenCV颜色空间转换2.3.6OpenCV几何变换2.3.7OpenCV图像简单阈值处理2.3.8OpenCV形态学转换2.3.9OpenCV图像梯度2.4.1PyTorch简介2.4.2PyTorch安装2.4.3张量2.4.4基本代码操作2.4.5PIL图像格式转换2.4.6PyTorch自动求导机制2.4.7PyTorch的神经网络nn包第3章OpenCV目标检测实战3.1.1Haar特征3.1.2积分图像构建算法3.2AdaBoost应用于Haar人脸特征分类3.3AdaBoost级联应用于Haar特征人脸检测3.4利用OpenCV进行基于Haar特征的人脸检测实战第4章深度学习引入及图像分类实战4.1卷积神经网络的重要概念4.2卷积神经网络训练技巧及经典架构4.3设计卷积神经网络进行图像分类4.4选择卷积神经网络损失函数及优化器4.5改进卷积神经网络以提高图像分类准确率第5章目标检测的两阶段深度学习方法5.1R-CNN目标检测思想5.1.1目标检测数据集5.1.2从滑动窗口到选择搜索5.1.3R-CNN网络架构及训练过程5.2目标检测指标——二分类器5.3R-CNN目标检测模型评估结果5.3.1R-CNN用于细粒度类别检测5.3.2R-CNN用于目标检测与分割5.4.1R-CNN的缺陷5.4.2感兴趣区域池化5.4.3FastR-CNN创新损失函数设计5.5FastR-CNN网络架构和模型评估5.5.1FastR-CNN模型工作流程5.5.2FastR-CNN网络架构5.5.3RoI池化反向传播方法5.5.4FastR-CNN结果评估5.6FastR-CNN的创新5.6.1FasterR-CNN的创新思想5.6.2替代选择搜索的锚框5.6.3区域建议网络5.7深入剖析FasterR-CNN中边界框回归5.7.1为什么使用边界框回归5.7.2边界框回归的数学支撑5.8FasterR-CNN的全景架构和损失函数5.9.1FasterR-CNN的训练步骤5.9.2FasterR-CNN的测试步骤5.10详细讲解FasterR-CNN关键部分RoI代码第6章目标检测的一阶段学习方法6.1YOLO目标检测思想6.1.1改进思想6.1.2网格单元6.1.3YOLO创新细节6.2YOLO的网络结构、网络与损失函数6.2.1YOLO的网络结构6.2.2YOLO的网络训练与损失函数6.3YOLO模型评估、优劣势分析6.3.1YOLO数据集6.3.2YOLO模型评估6.3.3YOLO模型优缺点6.4YOLOv2实现更好、更快、更强6.5YOLOv2改进YOLOv1——更好6.5.1批归一化6.5.2高分辨率分类器6.5.3预设锚框并采用全卷积6.5.4框聚类6.5.5约束边框位置6.5.6细粒度特征6.5.7多尺度训练6.5.8实验对比6.6YOLOv2使用Darknet-19——更快6.6.1Darknet-196.6.2三阶段训练6.6.3YOLOv2的损失函数6.7.1组合两种数据集的必要性6.7.2构建WordTree进行分层分类6.7.3在组合数据集上训练YOLO9000第7章YOLOv3创新思想及整体架构7.1YOLOv3的创新改进7.2.1106层的Darknet-53主干网络架构7.2.2三级检测7.2.3更擅长检测较小的物体7.2.4更多的锚框7.2.5损失函数7.3YOLOv3的三级检测输出过程7.4YOLOv3的非极大值抑制7.5YOLOv3的检测效果7.6SSD多尺度特征图目标检测思想7.7SSD网络架构7.7.1SSD网络基础架构7.7.2扩张卷积7.7.3SSD与YOLOv37.7.4SSD网络检测物体方法7.8SSD网络损失函数7.8.1默认框匹配策略7.8.2损失函数7.9SSD较YOLOv3的劣势第8章构建Darknet-53网络实践8.1Darknet-53网络工程结构和配置8.2实践代码8.3构建Darknet-53网络前向传递过程8.3.1构建Darknet-53的模块8.3.2Darknet-53的模块详解8.4YOLOv3实现检测层特征图到边界的预测值转变8.4.1参数讲解8.4.2实现步骤和代码8.5YOLOv3演示边框生成过程8.6YOLOv3处理低阈值边框8.6.1思路讲解8.6.2代码实践8.7YOLOv3非极大值抑制过程8.7.1延续上一节代码讲解NMS过程8.7.2NMS后的整理8.8YOLOv3演示NMS过程找到最优框8.8.1运行检测代码演示8.8.2运行结果分析8.9YOLOv3实现工业工具检测8.9.1YOLOv3工业实践需求分析及目标分析8.9.2数据采集标注与数据预处理部分8.9.3模型训练部分8.9.4模型优化部分第9章YOLOv4目标检测方法9.1YOLOv4目标检测创新路径及技巧体系9.1.1速度与精度双提升9.1.2YOLOv4技巧汇总9.2YOLOv4大型网络架构及其主要创新改进9.2.1空间金字塔结构9.2.2路径增强网络9.2.3使用YOLOv4的网络详情9.2.4CSPDarknet-53网络9.2.5YOLOv4网络全景关系9.3YOLOv4中的激活函数9.3.1各激活函数的比较9.3.2keras实现三种激活函数性能比较9.4YOLOv4中的损失函数C-IoU9.4.1L1和L2损失的缺陷9.4.2IoU和IoU损失9.4.3G-IoU、D-IoU和C-IoU9.5YOLOv4中的新型批标准化9.5.1各种批标准化9.5.2跨迭代标准化第10章EfficientDet目标检测方法10.1复合缩放10.2双向特征金字塔网络10.3EfficientDet体系结构10.3.1输入图像分辨率缩放10.3.2BiFPN缩放10.3.3框/类预测网络缩放10.3.4主干网10.4.1EfficientDet推理效果10.4.2EfficientDet不足之处反侵权盗版声明
精选推荐
领导力法则

领导力法则

[中国纺织出版社]

陆禹萌

已完结当代文学

销售心理学

销售心理学

[中国纺织出版社]

兰华

已完结当代文学

销售就是玩转情商

销售就是玩转情商

[中国纺织出版社]

王威

已完结当代文学

销售员情商实战训练

销售员情商实战训练

成功的销售需要高智商,更需要高情商。一个销售员的销售业绩,往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商,提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导,以及实战点拨和情商拓展训练,帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置,有效降低读者阅读疲劳,提高阅读兴趣,不论是奔波在路上的销售小白,还是带领团队奋勇向前的销售经理,都能从中找到适合自己的销售软技巧。

刘军

已完结当代文学

让未来的你,感谢现在勇敢的自己

让未来的你,感谢现在勇敢的自己

[中国纺织出版社]

王介威

已完结当代文学

行为心理学:华生的实用心理学课

行为心理学:华生的实用心理学课

[中国纺织出版社]

(美)约翰·华生著.倪彩

已完结当代文学

行为心理学入门(完全图解版)

行为心理学入门(完全图解版)

行为心理学入门(完全图解版)是以作者多来年的心理辅导和咨询数据为素材,对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同,浅显易读,有趣又益。

武莉

已完结当代文学

自卑与超越

自卑与超越

《自卑与(全译插图典藏版)》是个体心理学研究领域的著作,也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心,并强调“社会意识”。全书立足个人心理学的观点,从教育、家庭、婚姻、伦理、社交等多个领域,以大量的实例为论述基础,阐明了人生意义的真谛,帮助人们克服自卑、不断超自己,正确对待职业,正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展,成为人们了解心理学的经典读物。

(奥)阿尔弗雷德·阿德勒

已完结当代文学

自制力:道理我都懂,为什么就是过不好人生

自制力:道理我都懂,为什么就是过不好人生

[中国纺织出版社]

邱开杰

已完结当代文学