《深度学习之图像目标检测与识别方法》内容简介与阅读建议

Name: 深度学习之图像目标检测与识别方法
Author: 史朋飞 等
ISBN: 9787121488122

获取这本书 暂无已核验电子书资源

下载

作者: 史朋飞等
分类: 科技技术
出版年份: 2023
出版社: 电子工业出版社
页数: 208 页
语言: 中文

《深度学习之图像目标检测与识别方法》内容简介

本书介绍了深度学习在图像目标检测与识别领域的应用，主要包括基于UNet的图像去雾算法、基于特征融合GAN的图像增强算法、基于ESRGAN的图像超分辨率重建算法、基于嵌套UNet的图像分割算法、基于对抗迁移学习的水下大坝裂缝图像分割算法、基于改进Faster-RCNN的海洋生物检测算法、基于YOLOv4的目标检测算法、基于RetinaNet的密集目标检测算法、基于LSTM网络的视频图像目标实时检测、基于改进YOLOv4的嵌入式变电站仪表检测算法等。

《深度学习之图像目标检测与识别方法》书籍信息摘要

《深度学习之图像目标检测与识别方法》内容简介与阅读建议，作者史朋飞等，科技技术，2023年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：深度学习、目标检测、图像增强、计算机类。

作者：史朋飞等
分类：科技技术
出版年份：2023
出版社：电子工业出版社
页数：208 页
语言：中文
格式：暂无已核验合规下载格式

《深度学习之图像目标检测与识别方法》适合哪些读者？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

查看史朋飞等的作品顺序浏览科技技术书籍查看“深度学习”相关书籍读完这本读什么查看书籍排行榜

获取建议

《深度学习之图像目标检测与识别方法》怎么获取更合适？

优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。

下载

暂无已核验电子书资源；本站不展示未授权完整文件。

下载

版本

优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。

参考文献 12
第1章基于UNet的图像去雾算法 19
1.1 引言 19
1.2 本章算法 21
1.2.1 特征提取层 21
1.2.2 网络结构 21
1.2.3 损失函数 25
1.3 实验与分析 26
1.3.1 实验环境 26
1.3.2 实验数据集 26
1.3.3 评价指标 26
1.3.4 参数设置 27
1.3.5 实验结果 27
1.3.6 运行时间对比 31
1.4 本章小结 31
参考文献 31
第2章基于特征融合GAN的图像增强算法 35
2.1 引言 35
2.2 GAN概述 35
2.2.1 GAN的基本概念 35
2.2.2 GAN的数学模型 36
2.3 基于特征融合GAN的图像增强算法 37
2.3.1 颜色校正 37
2.3.2 生成器的结构 41
2.3.3 判别器的结构 43
2.3.4 损失函数的选择 43
2.4 实验与分析 45
2.4.1 实验数据及训练 45
2.4.2 实验结果 47
2.4.3 消融实验 50
2.5 本章小结 52
参考文献 53
第3章基于ESRGAN的图像超分辨率重建算法 57
3.1 引言 57
3.2 ESRGAN 57
3.3 基于ESRGAN的水下图像超分辨率重建算法 60
3.3.1 生成器的结构 60
3.3.2 相对判别器的结构 63
3.3.4 损失函数的选择 65
3.4 实验与分析 66
3.4.1 实验数据及训练 66
3.4.2 实验结果 67
3.5 本章小结 70
参考文献 70
第4章基于嵌套UNet的图像分割算法 73
4.1 引言 73
4.2 卷积神经网络的相关技术 74
4.3 全卷积网络 75
4.4 UNet模型 78
4.5 裂缝图像分割模型Att_Nested_UNet 79
4.5.1 相关研究 79
4.5.2 Att_Nested_UNet的工作原理 79
4.5.3 实验及结果 83
4.6 本章小结 87
参考文献 87
第5章基于对抗迁移学习的水下大坝裂缝图像分割算法 89
5.1 引言 89
5.2 相关工作 90
5.2.1 裂缝图像分割 90
5.2.2 水下大坝裂缝图像分割 91
5.2.3 迁移学习 91
5.3 本章算法 92
5.3.1 网络模型 92
5.3.2 对抗迁移学习 94
5.3.3 损失函数 95
5.4 实验与分析 96
5.4.1 数据集 96
5.4.2 训练策略 97
5.4.3 实验结果 97
5.4.4 评价指标 98
5.5 本章小结 100
参考文献 100
第6章基于改进Faster-RCNN的海洋生物检测算法 105
6.1 引言 105
6.2 相关工作 105
6.3 本章算法 107
6.3.1 ResNet-BiFPN简介 107
6.3.2 有效交并比 110
6.3.3 K-means++算法 112
6.4 实验与分析 114
6.4.1 实验配置及数据集 114
6.4.2 评价指标 114
6.4.3 实验结果 115
6.5 本章小结 119
参考文献 119
第7章基于YOLOv4的目标检测算法 123
7.1 引言 123
7.2 结合数据增强和改进YOLOv4的水下目标检测算法 125
7.2.1 CBAM-CSPDarknet53 125
7.2.2 DetPANet 127
7.2.3 PredMix 128
7.3 实验与分析 130
7.3.1 实验配置及数据集 130
7.3.2 实验结果 131
7.4 本章小结 135
参考文献 135
第8章基于RetinaNet的密集目标检测算法 139
8.1 引言 139
8.2 本章算法 140
8.2.1 本章算法的主体框架 140
8.2.2 多维注意力模块 142
8.2.3 弱化的非极大值抑制算法 144
8.2.4 损失函数 146
8.3 实验与分析 147
8.3.1 实验环境与数据集 147
8.3.2 实验参数与评价指标 149
8.3.3 实验过程与结果分析 150
8.4 本章小结 155
参考文献 156
第9章基于LSTM网络的视频图像目标实时检测算法 159
9.1 引言 159
9.2 长短时记忆网络和记忆引导网络 160
9.2.1 长短时记忆网络 160
9.2.2 记忆引导网络 162
9.3 交叉检测框架 165
9.3.1 交叉检测框架的思路 165
9.3.2 交叉检测框架的选择 166
9.4 模型训练和实验分析 167
9.4.1 模型训练策略 167
9.4.2 实验分析 168
9.5 本章小结 174
参考文献 174
第10章基于改进YOLOv4的嵌入式变电站仪表检测算法 177
10.1 引言 177
10.2 本章算法 179
10.2.1 YOLOv4简介 179
10.2.2 对YOLOv4的改进 180
10.3 实验与分析 183
10.3.1 数据集与实验平台 183
10.3.2 数据集与实验平台 184
10.3.3 计算量与模型参数对比 185
10.3.4 检测速度和检测精度的对比 186
10.4 本章小结 188
参考文献 189

合规获取说明

当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。

常见问题

《深度学习之图像目标检测与识别方法》适合谁读？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

《深度学习之图像目标检测与识别方法》阅读难度高吗？

建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。

《深度学习之图像目标检测与识别方法》纸质书值得买吗？

当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。

《深度学习之图像目标检测与识别方法》哪个版本更适合？

优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。

在哪里可以合法获取《深度学习之图像目标检测与识别方法》？

当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。

如何继续查找《深度学习之图像目标检测与识别方法》相关书籍？

可以进入史朋飞等作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。