出版计算机与互联网深度学习之PyTorch物体检测实战
深度学习之PyTorch物体检测实战

深度学习之PyTorch物体检测实战

作者董洪义

类别 出版 / 非虚构

出版社机械工业出版社 / 2019-12

提供方机械工业出版社

字数约 134,000 字

ISBN9787111641742

暂无评价综合评分的显示会考虑用户真实性等多项因素，每部作品出现综合评分的时间不定。
开通会员，可免费在线阅读本书 ，首月特惠
分享到豆瓣分享到微信分享到微博分享到QQ好友分享到QQ空间
￥45.00
春暖花开季 恰是读书时满500减300、满200减120、满100减60活动详情

作品简介

本书从概念、发展、经典实现方法等几个方面系统地介绍了物体检测的相关知识，重点介绍了Faster RCNN、SDD和YOLO这三个经典的检测器，并利用PyTorch框架从代码角度进行了细致讲解。另外，本书进一步介绍了物体检测的轻量化网络、细节处理、难点问题及未来的发展趋势，从实战角度给出了多种优秀的解决方法，便于读者更深入地掌握物体检测技术，从而做到在实际项目中灵活应用。

董洪义编著

作品目录

  1. 前言
  2. 第1篇　物体检测基础知识
  3. 第1章　浅谈物体检测与PyTorch
  4. 1.1　深度学习与计算机视觉
  5. 1.2　物体检测技术
  6. 1.3　PyTorch简介
  7. 1.4　基础知识准备
  8. 1.5　总结
  9. 第2章　PyTorch基础
  10. 2.1　基本数据：Tensor
  11. 2.2　Autograd与计算图
  12. 2.3　神经网络工具箱torch.nn
  13. 2.4　模型处理
  14. 2.5　数据处理
  15. 2.6　总结
  16. 第3章　网络骨架：Backbone
  17. 3.1　神经网络基本组成
  18. 3.2　走向深度：VGGNet
  19. 3.3　纵横交错：Inception
  20. 3.4　里程碑：ResNet
  21. 3.5　继往开来：DenseNet
  22. 3.6　特征金字塔：FPN
  23. 3.7　为检测而生：DetNet
  24. 3.8　总结
  25. 第2篇　物体检测经典框架
  26. 第4章　两阶经典检测器：Faster RCNN
  27. 4.1　RCNN系列发展历程
  28. 4.2　准备工作
  29. 4.3　Faster RCNN总览
  30. 4.4　详解RPN
  31. 4.5　RoI Pooling层
  32. 4.6　全连接RCNN模块
  33. 4.7　Faster RCNN的改进算法
  34. 4.8　总结
  35. 第5章　单阶多层检测器：SSD
  36. 5.1　SSD总览
  37. 5.2　数据预处理
  38. 5.3　网络架构
  39. 5.4　匹配与损失求解
  40. 5.5　SSD的改进算法
  41. 5.6　总结
  42. 第6章　单阶经典检测器：YOLO
  43. 6.1　无锚框预测：YOLO v1
  44. 6.2　依赖锚框：YOLO v2
  45. 6.3　多尺度与特征融合：YOLO v3
  46. 6.4　总结
  47. 第3篇　物体检测的难点与发展
  48. 第7章　模型加速之轻量化网络
  49. 7.1　压缩再扩展：SqueezeNet
  50. 7.2　深度可分离：MobileNet
  51. 7.3　通道混洗：ShuffleNet
  52. 7.4　总结
  53. 第8章　物体检测细节处理
  54. 8.1　非极大值抑制：NMS
  55. 8.2　样本不均衡问题
  56. 8.3　模型过拟合
  57. 8.4　总结
  58. 第9章　物体检测难点
  59. 9.1　多尺度检测
  60. 9.2　拥挤与遮挡
  61. 9.3　总结
  62. 第10章　物体检测的未来发展
  63. 10.1　重新思考物体检测
  64. 10.2　摆脱锚框：Anchor-Free
  65. 10.3　总结
载入中

大家都喜欢