pdf

《深度学习实践计算机视觉》PDF 缪鹏.pdf

  • 1星
  • 日期: 2019-08-14
  • 大小: 114.2MB
  • 所需积分:1分
  • 下载次数:22
  • favicon收藏
  • rep举报
  • 分享
  • free评论
标签: 深度学习

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。 深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。[2] 同机器学习方法一样,深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同.例如,卷积神经网络(Convolutional neural networks,简称CNNs)就是一种深度的监督学习下的机器学习模型,而深度置信网(Deep Belief Nets,简称DBNs)就是一种无监督学习下的机器学习模型。

计算机

计算机(computer)俗称电脑,是现代一种用于高速计算的电子计算机器,可以进行数值计算,又可以进行逻辑计算,还具有存储记忆功能。是能够按照程序运行,自动、高速处理海量数据的现代化智能电子设备。

视觉

视觉

个人感觉,《深度学习实践计算机视觉》的特点是依托工业环境的实践经验,具备较强的实用性和专业性。适合于广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感兴趣的爱好者使用。

《深度学习实践计算机视觉》PDF,255页,带书签目录,缪鹏  著。

文档内容节选

版权所有,严禁传播,违者自负法律责任 非卖品,仅供非商业用途或交流学习使用 第 1 章深度学习与计算机视觉 目录 I l 图像基础 12 深度学习与村经网络基础 3 4 I 21 函数的简单表达 5 5 I 22 函数的矩阵表达 12 3 神经网络的线性变换 6 124 神 经网络 的非线性变换 6 6 l 2 5 深层神经网络 126 神经网络的学习过程 8 9 14 15 1 4 基础开发环境搭建 I 5 本章总结 I 3 卷积神 经网络 CNJ斗 第 2 章 Open CV 入门 16 261 邻近捅值 2 I 读图展示和保存新图 22 像素点及局部图像 1 7 18 19 23 基本线条操作 24 平移 20 25 旋转 20 ......

更多简介内容

推荐帖子

评论

lphbtm
文档与标题相符,十分感谢。 目录 第1章 深度学习与计算机视觉1 1.1 图像基础3 1.2 深度学习与神经网络基础4 1.2.1 函数的简单表达5 1.2.2 函数的矩阵表达5 1.2.3 神经网络的线性变换6 1.2.4 神经网络的非线性变换6 1.2.5 深层神经网络6 1.2.6 神经网络的学习过程8 1.3 卷积神经网络CNN9 1.4 基础开发环境搭建14 1.5 本章总结15
2020-01-14 12:10:05回复
老道吗
十分感谢,嘿嘿嘿。
2019-12-05 00:07:36回复
工程电子怪
谢谢楼主的分享
2019-08-28 23:34:29回复
忘川之堕
测绘硬件工程师学习下,能应用于智能领域,测绘距离等。
2019-08-16 17:00:26回复
登录/注册

意见反馈

求资源

回顶部

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })