猜你喜欢
计算机视觉与深度学习实战:以MATLAB、Python为工具

计算机视觉与深度学习实战:以MATLAB、Python为工具

书籍作者:刘衍琦 ISBN:9787121374838
书籍语言:简体中文 连载状态:全集
电子书格式:pdf,txt,epub,mobi,azw3 下载次数:8420
创建日期:2021-02-14 发布日期:2021-02-14
运行环境:PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板
下载地址
内容简介

本书详细讲解了36个计算机视觉与深度学习实战案例(含可运行程序),涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别、基于深度特征的以图搜画、基于CNN的字符识别、基于CNN的物体识别、基于CNN的图像矫正、基于LSTM的时间序列分析、基于深度学习的以图搜图技术、基于YOLO的智能交通目标检测等多项重要技术及应用,涵盖了数字图像处理中几乎所有的基本模块,并延伸到了深度学习理论及其应用方面。


工欲善其事,必先利其器,本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材,并以MATLAB、Python为工具详细讲解了实验的核心程序。通过对这些程序的阅读、理解和仿真运行,读者可以更加深刻地理解图像处理的内容,并且更加熟练地掌握计算机视觉及深度学习在不同实际领域中的用法。


本书以案例为基础,结构布局紧凑,内容深入浅出,实验简捷高效,适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生,以及广大从事数字图像处理的工程研发人员阅读参考。


作者简介

刘衍琦,机器学习算法专家及视觉AI课程讲师,擅长视觉智能分析、多源异构数据采集和挖掘等工程化应用,并长期从事视觉大数据工程相关工作,涉及互联网海量图像、声纹、视频检索,以及OCR图文检索、手绘草图智能识别、特殊通道数据分析等应用的算法架构与研发,对图文识别、大规模以图搜图、数据感知和采集等进行过深入研究,并结合行业背景推动了一系列工程化应用。曾主编和参与编写多本书籍。

詹福宇,博士,资深飞行控制算法专家,毕业于西北工业大学航空学院飞行器设计专业。拥有近10年仿真控制开发经验,熟悉Simulink基于模型设计的流程,曾主编和参与编写多本书籍。

王德建,档案管理副研究馆员,毕业于西安建筑科技大学系统工程专业,从事档案数字化、智能化分类、OCR图文检索、图像智能识别相关工作。

陈峰蔚,熟悉机器学习、深度学习及计算机视觉在智能交通、智能驾驶领域的应用,长期从事汽车品牌识别、车型细粒度分类、目标检测与分割方面的相关工作,精通MATLAB、Python编程及TensorFlow深度学习框架,参与了多项专利的设计与开发。

蒋献文,资深专业医事放射师,毕业于中国医药大学医学院临床医学研究所。擅长医学图像处理技术、放射线射影技术及手术房计算机断层与血管摄影技术,在临床放射技术学与图像处理方面进行过深入研究并发表了相关医学论文。

周华英,新能源汽车高级工程师,毕业于北京交通大学交通运输规划与管理专业。长期进行纯电动及混合动力汽车系统建模与控制、汽车动力系统与控制、电动汽车能量管理和控制优化等研究,曾主编和参与编写多本书籍。


编辑推荐

本书详细讲解了36个计算机视觉与深度学习实战案例(含可运行程序),涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别、基于深度特征的以图搜画、基于CNN的字符识别、基于CNN的物体识别、基于CNN的图像矫正、基于LSTM的时间序列分析、基于深度学习的以图搜图技术、基于YOLO的智能交通目标检测等多项重要技术及应用


本书涵盖了数字图像处理中几乎所有的基本模块,并延伸到了深度学习理论及其应用方面。本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材,并以MATLAB、Python为工具详细讲解了实验的核心程序。


通过对这些程序的阅读、理解和仿真运行,读者可以更加深刻地理解图像处理的内容,并且更加熟练地掌握计算机视觉及深度学习在不同实际领域中的用法。


《计算机视觉与深度学习实战:以MATLAB、Python为工具》电子书免费下载

pdf下载 txt下载 epub下载 mobi下载 azw3下载

前言

计算机视觉(Computer Vision,CV)主要研究如何用图像采集设备和计算机软件代替人眼对物体进行分类识别、目标跟踪和视觉分析等应用。深度学习则源自经典的神经网络架构,属于机器学习领域,它通过不同形式的神经网络,结合视觉大数据的大规模存量与不断产生的增量进行训练,自动提取细粒度的特征并组合粗粒度的特征,形成抽象化的视觉描述,在视觉分析方面取得很大的进步,是当前人工智能爆发性发展的内核驱动。随着大数据及人工智能技术的不断发展,计算机视觉以其可视性、规模性、普适性逐步成为AI落地应用的关键领域之一,在理论研究和工程应用上均迅猛发展。


MATLAB是MathWorks公司推出的一款用于科学计算和工程仿真的交互式编程软件,近几年已经发展成为集数值分析、数学建模、图像处理、控制系统、信号处理、经济金融、计算生物学、动态仿真等于一体的科学工程软件。Python是一种解释型、面向对象、动态数据类型的高级程序设计语言,具有易学习、易拓展、跨平台等优点,被广泛应用于Web开发、网络爬虫、数据分析、人工智能等领域,是当前主流的编程语言之一。


自电子计算机诞生以来,通过计算机仿真来模拟人类的视觉便成为非常热门且颇具挑战性的研究课题。随着数码相机、智能手机等硬件设备的普及,图像以其易于采集、信息相关性多、抗干扰能力强的特点得到越来越广泛的应用。信息化和数字化时代已经来临,随着国家对人工智能领域的投入力度加大,计算机视觉处理的需求量也会越来越大,应用也将越来越广泛。


通过计算机视觉处理工具箱可为用户提供诸如图像变换、图像增强、图像特征检测、图像复原、图像分割、图像去噪、图像配准、视频处理、深度学习等功能研发的技术支撑。同时,借助MATLAB、Python方便的编程及调试技巧,用户可根据需要进一步拓展计算机视觉处理工具箱,实现定制的业务需求。


本书目的

本书以案例的形式展现,力求为读者提供更便捷、直接的技术支持,解决读者在研发过程中遇到的实际技术难点,并力求全面讲解广大读者在研发过程中所涉及的功能模块及成熟的系统框架,为读者进行科学实验、项目开发提供一定的技术支持。


通过对书中案例的阅读、理解、运行和仿真,读者可以有针对性地进行算法调试,这样可以更加深刻地理解计算机视觉与深度学习应用的含义,并且更加熟练地掌握MATLAB、Python进行算法设计与工程研发。


本书特点

◎作者阵容强大,经验相当丰富

本书其中一位主编刘衍琦(ID:lyqmath)是机器学习算法专家及视觉AI课程讲师,擅长视觉智能分析、多源异构数据采集和挖掘等工程应用,并长期从事视觉大数据工程相关工作,涉及互联网海量图像、声纹、视频检索,以及OCR图文检索、手绘草图智能识别、特殊通道数据分析等应用的算法架构与研发,对图文识别、大规模以图搜图、数据感知和采集等进行过深入研究,并结合行业背景推动了一系列的工程化应用。


本书另外两位主编中,詹福宇(ID:dynamic)擅长模型设计与分析,在计算机视觉处理方面积累了丰富的工程经验;王德建在档案数字化、智能化分类、OCR图文检索、图像智能识别方面积累了丰富的项目实战经验。


◎案例丰富、实用、拓展性强

本书以案例的形式进行编写,充分强调案例的实用性及程序的可拓展性,所选案例均来自作者的日常研究及业务需求,每个案例都与实际课题相结合。另外,书中的每个案例都经过作者的程序调试,作者也为此编写了大量的测试代码。


◎点面完美结合,兼顾中高级用户

本书点面兼顾,涵盖了数字图像处理中几乎所有的基本模块,并涉及视频处理、配准拼接、数字水印、生物识别等高级图像处理方面的内容,全面讲解了基于MATLAB、Python进行计算机视觉及深度学习应用的原理及方法。


内容架构

本书讲解了36个MATLAB、Python计算机视觉与深度学习实战案例,并提供配套程序下载,其内容架构如下所述。

第1章:讲解基于直方图优化的图像去雾技术,通过对直方图增强技术的相关讲解,引入对雾霾图像进行优化的应用。

第2章:讲解基于形态学的权重自适应图像去噪,通过形态学的图像去噪效果,引入加权形态学去噪的应用。

第3章:讲解基于多尺度形态学提取眼前节组织,通过形态学的图像边缘提取效果,引入多尺度形态学的应用。

第4章:讲解基于Hough变化的答题卡识别,通过对答题卡自动阅卷的研究,引入图像分割、目标定位等领域的应用。

第5章:讲解基于阈值分割的车牌定位识别,通过对车牌定位、分割、识别的研究,引入图像处理在车牌识别领域的应用。

第6章:讲解基于分水岭分割进行肺癌诊断,通过对分水岭算法在肺部图像分割中的研究,引入分水岭及医学图像处理的应用。

第7章:讲解基于主成分分析的人脸二维码识别,通过对主成分分析、人脸识别、QR二维码的研究,引入QR人脸识别的应用。

第8章:讲解基于知识库的手写体数字识别,通过对手写数字特征的提取,引入模式识别在手写数字方面的应用。

第9章:讲解基于特征匹配的英文印刷字符识别,通过对英文片段图像的分割、识别,引入在MATLAB中生成自定义标准字符库、GUI交互等领域的应用。

第10章:讲解基于不变矩的数字验证码识别,通过对验证码生成的特点、分割定位、检测识别的研究,引入对某特定类型验证码从获取到识别的应用。

第11章:讲解基于小波技术进行图像融合,通过对图像融合的研究,引入小波分解、图像多分辨率处理的应用。

第12章:讲解基于块匹配的全景图像拼接,通过对全景图像生成方法的研究,引入块匹配、加权融合等的应用。

第13章:讲解基于霍夫曼图像编码的图像压缩和重建,通过对霍夫曼编码的研究,引入图像压缩重建的应用。

第14章:讲解基于主成分分析的图像压缩和重建,通过对主成分分析的研究,引入不同压缩参数下重建效果调优的应用。

第15章:讲解基于小波的图像压缩技术,通过对小波图像处理的研究,引入多分辨率图像压缩重建的应用。

第16章:讲解基于融合特征的以图搜图技术,通过对图像库Hu矩特征及颜色特征提取的研究,引入图像检索的应用。

第17章:讲解基于Harris的角点特征检测,通过对Harris检测算法的研究,引入图像角点检测的应用。

第18章:讲解基于GUI搭建通用视频处理工具,通过对GUI、视频图像处理工具箱的应用,引入搭建MATLAB图像视频处理框架的应用。

第19章:讲解基于语音识别的信号灯图像模拟控制技术,通过对语音特征及建库的研究,引入语音控制光信号的应用。

第20章:讲解基于帧间差法进行视频目标检测,通过对视频跟踪的研究,引入视频中多目标跟踪的应用。

第21章:讲解路面裂缝检测系统设计,通过对裂缝图像特征、识别的研究,引入路面裂缝检测和提取的应用。

第22章:讲解基于K-means聚类算法的图像分割,通过对K-means聚类算法的研究,引入其在图像分割方面的应用。

第23章:讲解基于光流场的车流量计数应用,通过对汽车视频跟踪的研究,引入光流场在跟踪和检测方面的应用。

第24章:讲解基于Simulink进行图像和视频处理,通过对Simulink模块的介绍,引入其在图像视频处理领域的应用。

第25章:讲解基于小波变换的数字水印技术,通过对图像水印的相关研究,引入图像水印嵌入、提取等的应用。

第26章:讲解基于最小误差法的胸片分割技术,通过对肺部影像的分割算法进行对比,介绍最小误差分割算法及其应用。

第27章:讲解基于区域生长的肝脏影像分割系统,通过对区域生长的相关研究,介绍如何自动定义种子点并将其应用到肝脏影像的分割方面。

第28章:讲解基于计算机视觉的自动驾驶应用,介绍自动驾驶的相关技术,从计算机视觉的角度分析相关应用。

第29章:讲解基于深度学习的汽车目标检测,介绍深度学习的相关知识,基于MATLAB的CNN工具箱实现汽车目标检测的应用。

第30章:讲解基于深度学习的视觉场景识别,对深度学习进行深入研究,基于经典的MatConvNet工具箱讲解如何进行图像分类识别应用。

第31章:讲解深度学习综合应用方面的内容,涉及6个相关实战案例:基于CNN的字符识别、基于CNN的物体识别、基于CNN的图像矫正、基于LSTM的时间序列分析、基于深度学习的以图搜图技术、基于YOLO的智能交通目标检测,讲解了经典的AlexNet、VggNet、ResNet、GoogleNet等知识,还通过网络编辑、拆分、中间层激活、多算法集成等方式进行了拓展,既实现了图像分类识别、以图搜图、交通目标检测等方面的应用,也对时间序列分析、图像倾斜角度分析等进行了探索。


特别致谢

本书由刘衍琦、詹福宇、王德建、陈峰蔚、蒋献文、周华英编著,本书的编写也得到了电子工业出版社博文视点编辑张国霞的大力支持,在此对其表示衷心的感谢。在本书深度学习部分的实验设计及研发过程中,Windoer-AI实验室提供了很多帮助,在此感谢他们的信任与鼓励。感谢各位读者朋友对本书作者给予的启发和帮助,感谢家人的默默支持!感谢女儿刘沛萌每天带给我欢乐,她给予我无限的动力进行计算机视觉及人工智能探索及应用,也祝天下的小朋友们都能健康快乐地成长!

由于时间仓促,加之作者水平和经验有限,书中难免存在疏漏及错误之处,希望广大读者批评指正。



刘衍琦

2019年10月


目录

第1章基于直方图优化的图像去雾技术1

1.1案例背景1

1.2理论基础1

1.2.1空域图像增强1

1.2.2直方图均衡化2

1.3程序实现3

1.3.1设计GUI界面4

1.3.2全局直方图处理4

1.3.3局部直方图处理6

1.3.4Retinex增强处理8

1.4延伸阅读12


第2章基于形态学的权重自适应图像去噪13

2.1案例背景13

2.2理论基础14

2.2.1图像去噪的方法14

2.2.2数学形态学的原理15

2.2.3权重自适应的多结构形态学去噪15

2.3程序实现16

2.4延伸阅读22


第3章基于多尺度形态学提取眼前节组织24

3.1案例背景24

3.2理论基础25

3.3程序实现28

3.3.1多尺度结构设计28

3.3.2多尺度边缘提取29

3.3.3多尺度边缘融合31

3.4延伸阅读33


第4章基于Hough变化的答题卡识别34

4.1案例背景34

4.2理论基础34

4.2.1图像二值化35

4.2.2倾斜校正35

4.2.3图像分割38

4.3程序实现40

4.3.1图像灰度化40

4.3.2灰度图像二值化41

4.3.3图像平滑滤波41

4.3.4图像矫正41

4.3.5完整性核查42

4.4延伸阅读51


第5章基于阈值分割的车牌定位识别53

5.1案例背景53

5.2理论基础53

5.2.1车牌图像处理54

5.2.2车牌定位原理58

5.2.3车牌字符处理58

5.2.4车牌字符识别60

5.3程序实现62

5.4延伸阅读69


第6章基于分水岭分割进行肺癌诊断71

6.1案例背景71

6.2理论基础71

6.2.1模拟浸水的过程72

6.2.2模拟降水的过程72

6.2.3过度分割问题72

6.2.4标记分水岭分割算法72

6.3程序实现73

6.4延伸阅读77


第7章基于主成分分析的人脸二维码识别79

7.1案例背景79

7.2理论基础79

7.2.1QR二维码简介80

7.2.2QR二维码的编码和译码流程82

7.2.3主成分分析方法84

7.3程序实现85

7.3.1人脸建库85

7.3.2人脸识别87

7.3.3人脸二维码87

7.4延伸阅读92


第8章基于知识库的手写体数字识别94

8.1案例背景94

8.2理论基础94

8.2.1算法流程94

8.2.2特征提取95

8.2.3模式识别96

8.3程序实现97

8.3.1图像处理97

8.3.2特征提取98

8.3.3模式识别101

8.4延伸阅读102

8.4.1识别器选择102

8.4.2特征库改善102


第9章基于特征匹配的英文印刷字符识别103

9.1案例背景103

9.2理论基础104

9.2.1图像预处理104

9.2.2图像识别技术105

9.3程序实现106

9.3.1界面设计106

9.3.2回调识别111

9.4延伸阅读112


第10章基于不变矩的数字验证码识别113

10.1案例背景113

10.2理论基础114

10.3程序实现114

10.3.1设计GUI界面114

10.3.2载入验证码图像115

10.3.3验证码图像去噪116

10.3.4验证码数字定位118

10.3.5验证码归一化120

10.3.6验证码数字识别121

10.3.7手动确认并入库124

10.3.8重新生成模板库125

10.4延伸阅读128


第11章基于小波技术进行图像融合129

11.1案例背景129

11.2理论基础130

11.3程序实现132

11.3.1设计GUI界面132

11.3.2图像载入133

11.3.3小波融合135

11.4延伸阅读137


第12章基于块匹配的全景图像拼接138

12.1案例背景138

12.2理论基础138

12.2.1图像匹配139

12.2.2图像融合141

12.3程序实现142

12.3.1设计GUI界面142

12.3.2载入图片143

12.3.3图像匹配144

12.3.4图像拼接148

12.4延伸阅读153


第13章基于霍夫曼图像编码的图像压缩和重建155

13.1案例背景155

13.2理论基础155

13.2.1霍夫曼编码的步骤156

13.2.2霍夫曼编码的特点157

13.3程序实现158

13.3.1设计GUI界面158

13.3.2压缩和重建159

13.3.3效果对比164

13.4延伸阅读167


第14章基于主成分分析的图像压缩和重建168

14.1案例背景168

14.2理论基础168

14.2.1主成分降维分析原理168

14.2.2由得分矩阵重建样本169

14.2.3主成分分析数据压缩比170

14.2.4基于主成分分析的图像压缩170

14.3程序实现171

14.3.1主成分分析的源代码171

14.3.2图像数组和样本矩阵之间的转换172

14.3.3基于主成分分析的图像压缩173

14.4延伸阅读176


第15章基于小波的图像压缩技术177

15.1案例背景177

15.2理论基础178

15.3程序实现180

15.4延伸阅读188


第16章基于融合特征的以图搜图技术189

16.1案例背景189

16.2理论基础189

16.3程序实现191

16.3.1图像预处理191

16.3.2计算特征191

16.3.3图像检索194

16.3.4结果分析194

16.4延伸阅读196


第17章基于Harris的角点特征检测198

17.1案例背景198

17.2理论基础199

17.2.1Harris的基本原理199

17.2.2Harris算法的流程201

17.2.3Harris角点的性质201

17.3程序实现202

17.3.1Harris算法的代码202

17.3.2角点检测实例204

17.4延伸阅读205


第18章基于GUI搭建通用视频处理工具206

18.1案例背景206

18.2理论基础206

18.3程序实现208

18.3.1设计GUI界面208

18.3.2实现GUI界面209

18.4延伸阅读220


第19章基于语音识别的信号灯图像

模拟控制技术221

19.1案例背景221

19.2理论基础221

19.3程序实现223

19.4延伸阅读232


第20章基于帧间差法进行视频目标检测234

20.1案例背景234

20.2理论基础234

20.2.1帧间差分法235

20.2.2背景差分法236

20.2.3光流法236

20.3程序实现237

20.4延伸阅读24


第21章路面裂缝检测系统设计247

21.1案例背景247

21.2理论基础247

21.2.1图像灰度化248

21.2.2图像滤波250

21.2.3图像增强252

21.2.4图像二值化253

21.3程序实现255

21.4延伸阅读267


第22章基于K-means聚类算法的图像分割268

22.1案例背景268

22.2理论基础268

22.2.1K-means聚类算法的原理268

22.2.2K-means聚类算法的要点269

22.2.3K-means聚类算法的缺点270

22.2.4基于K-means聚类算法进行图像分割270

22.3程序实现271

22.3.1样本间的距离271

22.3.2提取特征向量272

22.3.3图像聚类分割273

22.4延伸阅读275


第23章基于光流场的车流量计数应用276

23.1案例背景276

23.2理论基础276

23.2.1基于光流法检测运动的原理276

23.2.2光流场的主要计算方法277

23.2.3梯度光流场约束方程278

23.2.4Horn-Schunck光流算法280

23.3程序实现281

23.3.1计算视觉系统工具箱简介281

23.3.2基于光流法检测汽车运动282

23.4延伸阅读287


第24章基于Simulink进行图像和视频处理289

24.1案例背景289

24.2模块介绍289

24.2.1分析和增强模块库(Analysis和Enhancement)290

24.2.2转化模块库(Conversions)291

24.2.3滤波模块库(Filtering)292

24.2.4几何变换模块库(GeometricTransformations)292

24.2.5形态学操作模块库(MorphologicalOperations)292

24.2.6输入模块库(Sources)293

24.2.7输出模块库(Sinks)293

24.2.8统计模块库(Statistics)294

24.2.9文本和图形模块库(Text和Graphic)295

24.2.10变换模块库(Transforms)295

24.2.11其他工具模块库(Utilities)295

24.3仿真案例296

24.3.1搭建组织模型296

24.3.2仿真执行模型298

24.3.3自动生成报告299

24.4延伸阅读302


第25章基于小波变换的数字水印技术304

25.1案例背景304

25.2理论基础304

25.2.1数字水印技术的原理305

25.2.2典型的数字水印算法307

25.2.3数字水印攻击和评价309

25.2.4基于小波的水印技术310

25.3程序实现312

25.3.1准备载体和水印图像312

25.3.2小波数字水印的嵌入313

25.3.3小波数字水印的提取317

25.3.4小波水印的攻击试验319

25.4延伸阅读323


第26章基于最小误差法的胸片分割技术325

26.1案例背景325

26.2理论基础325

26.2.1图像增强326

26.2.2区域选择326

26.2.3形态学滤波327

26.2.4基于最小误差法进行胸片分割328

26.3程序实现329

26.3.1设计GUI界面329

26.3.2图像预处理330

26.3.3基于最小误差法进行图像分割333

26.3.4形态学后处理335

26.4延伸阅读338


第27章基于区域生长的肝脏影像分割系统339

27.1案例背景339

27.2理论基础340

27.2.1阈值分割340

27.2.2区域生长340

27.2.3基于阈值预分割的区域生长341

27.3程序实现342

27.4延伸阅读346


第28章基于计算机视觉的自动驾驶应用347

28.1案例背景347

28.2理论基础348

28.2.1环境感知348

28.2.2行为决策348

28.2.3路径规划349

28.2.4运动控制349

28.3程序实现349

28.3.1传感器数据载入349

28.3.2追踪器创建351

28.3.3碰撞预警353

28.4延伸阅读358


第29章基于深度学习的汽车目标检测359

29.1案例背景359

29.2理论基础360

29.2.1基本架构360

29.2.2卷积层360

29.2.3池化层362

29.3程序实现362

29.3.1加载数据362

29.3.2构建CNN364

29.3.3训练CNN365

29.3.4评估训练效果367

29.4延伸阅读368


第30章基于深度学习的视觉场景

识别370

30.1案例背景370

30.2理论基础371

30.3程序实现371

30.3.1环境配置372

30.3.2数据集制作373

30.3.3网络训练375

30.3.4网络测试381

30.4延伸阅读383


第31章深度学习综合应用385

31.1应用背景385

31.2理论基础387

31.2.1分类识别387

31.2.2目标检测391

31.3案例实现1:基于CNN的数字识别395

31.3.1自定义CNN397

31.3.2AlexNet399

31.3.3基于MATLAB进行实验设计405

31.3.4基于TensorFlow进行实验设计413

31.3.5实验小结418

31.4案例实现2:基于CNN的物体识别418

31.4.1CIFAR-10数据集418

31.4.2VggNet421

31.4.3ResNet422

31.4.4实验设计424

31.4.5实验小结432

31.5案例实现3:基于CNN的图像矫正432

31.5.1倾斜数据集432

31.5.2自定义CNN回归网络434

31.5.3AlexNet回归网络436

31.5.4实验设计437

31.5.5实验小结445

31.6案例实现4:基于LSTM的时间序列分析445

31.6.1厄尔尼诺南方涛动指数数据446

31.6.2样条拟合分析446

31.6.3基于MATLAB进行LSTM分析448

31.6.4基于Keras进行LSTM分析451

31.6.5实验小结455

31.7案例实现5:基于深度学习的以图搜图技术455

31.7.1人脸的深度特征455

31.7.2AlexNet的特征460

31.7.3GoogleNet的特征461

31.7.4深度特征融合计算462

31.7.5实验设计462

31.7.6实验小结467

31.8案例实现6:基于YOLO的交通目标检测应用467

31.8.1车辆目标的YOLO检测468

31.8.2交通标志的YOLO检测475

31.9延伸阅读481


产品特色