鸠摩搜书下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《PyTorch自动驾驶视觉感知算法实战》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《PyTorch自动驾驶视觉感知算法实战》内容简介
《PyTorch自动驾驶视觉感知算法实战》全面介绍了自动驾驶系统中深度学习视觉感知的相关知识，包括深度神经网络和深度卷积神经网络的基本理论，深入讲解了自动驾驶中常用的目标检测、语义、实例分割和单目深度估计四种视觉感知任务。
《PyTorch自动驾驶视觉感知算法实战》书籍信息摘要
《PyTorch自动驾驶视觉感知算法实战》内容简介与阅读建议，作者 刘斯坦，科技技术，2024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：自动驾驶、深度学习、PyTorch、科技农工。
- 作者：刘斯坦
- 分类：科技技术
- 出版年份：2024
- 出版社：机械工业出版社
- 页数：276 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《PyTorch自动驾驶视觉感知算法实战》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。
获取建议
《PyTorch自动驾驶视觉感知算法实战》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。
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。
目录
- 前言
- 第1章 卷积神经网络的理论基础
- 1.1神经网络回顾
- 1.1.1神经网络模型
- 1.1.2神经网络的训练——反向传播算法
- 1.1.3神经网络的拟合能力和泛化能力
- 1.2什么是卷积神经网络
- 1.2.1什么是卷积运算
展开全部（共 146 章节）
- 1.2.2通道(Channel)和三维卷积
- 1.2.3为什么需要深度网络
- 1.2.4什么是批次(Batch)
- 1.3卷积神经网络的组成细节
- 1.3.1卷积神经网络的输入层
- 1.3.2神经网络的输出层
- 1.3.3卷积层和转置卷积层
- 1.3.4激活层
- 1.3.5归一化层
- 1.3.6上采样层和下采样层
- 1.3.7池化层
- 1.3.8跳跃、空间注意力等特殊的连接方式
- 1.3.9构建一个复杂的卷积神经网络
- 1.4卷积神经网络的训练
- 1.4.1常用损失函数
- 1.4.2常用的正则化方法
- 1.4.3常用的优化器
- 1.4.4常用的训练学习率调整方法
- 第2章 深度学习开发环境及常用工具库
- 2.1硬件和操作系统
- 2.1.1显卡
- 2.1.2操作系统
- 2.2Python开发环境管理
- 2.2.1Anaconda虚拟环境的管理
- 2.2.2Python的包管理器pip
- 2.3常用的Python包
- 2.3.1NumPy——Python科学计算库
- 2.3.2OpenCV——Python图像处理库
- 2.4GPU加速的深度学习和科学计算库PyTorch
- 2.4.1GPU加速的科学计算功能
- 2.4.2PyTorch的自动求导功能
- 2.4.3PyTorch的优化器
- 2.4.4PyTorch的数据加载
- 2.4.5用PyTorch搭建神经网络
- 2.4.6常用的辅助工具
- 2.4.7搭建一个神经网络并进行训练
- 第3章 神经网络的特征编码器——主干网络
- 3.1什么是神经网络的主干网络
- 3.1.1神经网络的元结构
- 3.1.2神经网络的主干网络及有监督预训练
- 3.1.3主干网络的自监督预训练
- 3.2流行的主干网络
- 3.2.1简单直白的主干网络——类VGG网络
- 3.2.2最流行的主干网络——ResNet系列网络
- 3.2.3速度更快的轻量级主干网络——MobileNet系列
- 3.2.4自由缩放的主干网络——RegNet系列
- 3.3使用TorchVision模型库提供的主干网络
- 3.3.1构建和加载模型
- 3.3.2修改主干网络获取多尺度特征图
- 3.3.3不同主干网络和预训练模型的训练对比
- 第4章 目标检测网络——识别车辆
- 4.1目标检测基本概念
- 4.1.1Anchor
- 4.1.2NMS
- 4.1.3目标检测网络的类别
- 4.2以Faster RCNN为代表的两阶段检测方法
- 4.2.1RPN网络
- 4.2.2ROI网络
- 4.2.3使用TorchVision模型库中的Faster RCNN
- 4.3以Yolo为代表的一阶段检测方法
- 4.3.1YoloV3的整体结构
- 4.3.2Yolo的训练
- 4.3.3类Yolo的一阶段检测网络
- 4.4以CenterNet为代表的Anchor-Free方法
- 4.4.1CenterNet的整体结构
- 4.4.2用高斯模糊和Focal Loss训练CenterNet
- 4.4.3YoloX网络
- 4.5Yolo的PyTorch实现
- 4.5.1样本选择算法的实现
- 4.5.2Yolo层的实现
- 4.5.3构造损失函数
- 4.5.4NMS的实现
- 第5章 语义分割与实例分割——逐像素分类
- 5.1语义分割
- 5.1.1语义分割的网络构架和损失函数
- 5.1.2评价语义分割质量的指标
- 5.1.3使用OHEM和类别权重解决样本不均衡问题
- 5.1.4语义分割的关键——信息融合
- 5.2使用PyTorch训练一个语义分割模型
- 5.2.1语义分割的数据加载
- 5.2.2加载Lite R-ASPP语义分割模型进行训练
- 5.2.3计算混淆矩阵
- 5.2.4计算mIoU
- 5.3实例分割——分辨行人和车辆
- 5.3.1以Mask-RCNN为代表的两阶段实例分割方法
- 5.3.2以SOLO为代表的单阶段实例分割方法
- 5.3.3基于CondInst的半监督实例分割方法BoxInst
- 5.4安装及使用OpenMMLab——以MMDetection为例
- 5.4.1安装和配置MMDetection
- 5.4.2MMDetection介绍
- 5.4.3SOLO代码解析
- 第6章 单目深度估计——重建三维世界
- 6.1计算机三维视觉基础知识
- 6.1.1相机模型
- 6.1.2什么是深度图
- 6.1.3相机运动模型
- 6.2单目深度估计的网络构架
- 6.2.1深度图预测网络
- 6.2.2基于相对视差的深度图输出编码
- 6.2.3基于有序回归的深度图输出编码
- 6.2.4相机运动估计网络
- 6.3无监督学习的机制
- 6.3.1无监督学习系统构架
- 6.3.2将深度图反投影为点云的PyTorch实现
- 6.3.3从相邻帧采集RGB值并重投影的PyTorch实现
- 6.3.4无监督单目深度推断的损失函数
- 6.4可能存在的问题及解决方案
- 6.4.1用图像梯度图解决边缘模糊问题
- 6.4.2用图像一致性掩膜解决移动物体问题
- 6.4.3用速度损失解决尺度问题
- 第7章 通过控制网络结构提高速度和精度
- 7.1使用多任务网络构架提高速度和精度
- 7.1.1多任务网络的设计
- 7.1.2多任务网络的任务平衡问题
- 7.2用PyTorch搭建一个语义分割和目标检测双任务网络
- 7.2.1多任务数据加载
- 7.2.2多任务网络的搭建
- 7.2.3多任务损失的平衡
- 7.3压缩神经网络提高推理速度
- 7.3.1什么是神经网络压缩
- 7.3.2几种常见的通道剪枝方法
- 7.3.3在训练中使用L1正则化压缩权重
- 7.3.4使用可微通道加权进行通道剪枝
- 7.3.5网络压缩的流程
- 7.4用PyTorch实现可微网络压缩
- 7.4.1用PyTorch构造可微通道选择层
- 7.4.2利用通道选择层确定压缩方案
- 7.4.3对PyTorch模型进行压缩并对比运行速度
- 第8章 导出和部署神经网络模型
- 8.1配置开发环境
- 8.1.1Docker的使用
- 8.1.2配置C 开发环境
- 8.2使用LibTorch部署PyTorch模型
- 8.2.1导出TorchScript模型
- 8.2.2将LibTorch加入CMake项目
- 8.2.3将输入图像转换为Tensor
- 8.2.4加载TorchScript模型并进行推理
- 8.3用TensorRT部署模型
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
《PyTorch自动驾驶视觉感知算法实战》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。
《PyTorch自动驾驶视觉感知算法实战》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。
《PyTorch自动驾驶视觉感知算法实战》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。
《PyTorch自动驾驶视觉感知算法实战》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《PyTorch自动驾驶视觉感知算法实战》？
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《PyTorch自动驾驶视觉感知算法实战》相关书籍？
可以进入 刘斯坦 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。
相关书籍
