深度學習：影像處理應用
活動訊息
內容簡介
本書介紹深度學習於影像處理中的應用，從基礎的機器學習與深度學習技術講起，接著由淺入深地探討深度學習的原理與實現，同時結合實例進行演示和實驗。最後介紹電腦視覺與影像處理的相關技術，並結合深度學習模型應用於多種視覺任務的應用。書中分為兩大部分：第一部分(前七章)將介紹機器學習和深度學習的基礎知識，包括常用的機器學習模型、損失函數、優化算法等，也會在此介紹常見的卷積神經網路(CNN)、循環神經網路(RNN)和生成對抗網路(GAN)等；第二部分(第八章)將深入探討深度學習算法在影像處理中的應用，我們將通過實際案例和實驗，向讀者演示這些算法的原理和實現方法，並探討如何應用這些算法來解決影像處理中的實際問題。
目錄
CH1 人工智慧基本介紹
1-1 何謂人工智慧
1-2 人工智慧、機器學習及深度學習
1-3 人工智慧對人類社會的影響
CH2 環境與資料科學套件介紹
2-1 Google Colab 環境介紹
2-2 Numpy 介紹
2-3 Pandas 介紹
2-4 Pytorch 介紹
2-5 Matplotlib 介紹
CH3 機器學習與深度學習基礎
3-1 機器學習基礎
3-2 深度學習基礎
CH4 卷積神經網路
4-1 類神經網路
4-2 卷積神經網路
4-3 轉置卷積
4-4 其他卷積方法
4-5 卷積神經網路於Pytorch 之實現
CH5 常用深度學習訓練技巧
5-1 標準化
5-2 正則化
5-3 遷移學習及預訓練模型
5-4 交叉驗證
5-5 集成學習
5-6 平行訓練
5-7 深度學習應用於影像處理之技巧
CH6 深度學習架構介紹
6-1 LeNet
6-2 VGGNet
6-3 U-Net
6-4 Residual Network(ResNet)
6-5 InceptionNet(GoogLeNet)
6-6 DenseNet
6-7 Fully Convolutional Networks (FCNs)
6-8 MobileNet V1
6-9 EfficientNet
CH7 進階深度學習技術介紹
7-1 循環神經網路
7-2 長短記憶模型
7-3 門控循環單元
7-4 Attention is all you need
7-5 其他的注意力(Attention)機制
7-6 Vision Transformer(ViT)
7-7 Swin Transformer
7-8 生成對抗式網路(GAN)
7-9 Conditional Generative Adversarial Network（cGAN）
7-10 Pix2pix
7-11 循環生成對抗式網路
CH8 基於影像的深度學習案例
8-1 影像基本原理介紹
8-2 基本影像處理
8-3 邊緣抽取、影像增強與校正
8-4 影像辨識與分類
8-5 深度學習在影像處理的應用
8-6 影像修復與辨識實驗之程式碼介紹
1-1 何謂人工智慧
1-2 人工智慧、機器學習及深度學習
1-3 人工智慧對人類社會的影響
CH2 環境與資料科學套件介紹
2-1 Google Colab 環境介紹
2-2 Numpy 介紹
2-3 Pandas 介紹
2-4 Pytorch 介紹
2-5 Matplotlib 介紹
CH3 機器學習與深度學習基礎
3-1 機器學習基礎
3-2 深度學習基礎
CH4 卷積神經網路
4-1 類神經網路
4-2 卷積神經網路
4-3 轉置卷積
4-4 其他卷積方法
4-5 卷積神經網路於Pytorch 之實現
CH5 常用深度學習訓練技巧
5-1 標準化
5-2 正則化
5-3 遷移學習及預訓練模型
5-4 交叉驗證
5-5 集成學習
5-6 平行訓練
5-7 深度學習應用於影像處理之技巧
CH6 深度學習架構介紹
6-1 LeNet
6-2 VGGNet
6-3 U-Net
6-4 Residual Network(ResNet)
6-5 InceptionNet(GoogLeNet)
6-6 DenseNet
6-7 Fully Convolutional Networks (FCNs)
6-8 MobileNet V1
6-9 EfficientNet
CH7 進階深度學習技術介紹
7-1 循環神經網路
7-2 長短記憶模型
7-3 門控循環單元
7-4 Attention is all you need
7-5 其他的注意力(Attention)機制
7-6 Vision Transformer(ViT)
7-7 Swin Transformer
7-8 生成對抗式網路(GAN)
7-9 Conditional Generative Adversarial Network（cGAN）
7-10 Pix2pix
7-11 循環生成對抗式網路
CH8 基於影像的深度學習案例
8-1 影像基本原理介紹
8-2 基本影像處理
8-3 邊緣抽取、影像增強與校正
8-4 影像辨識與分類
8-5 深度學習在影像處理的應用
8-6 影像修復與辨識實驗之程式碼介紹
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價