新書推薦：
《
新形势下海事综合风险管控理论与实践
》
售價：HK$
96.0
《
数码港元：Web3.0构建香港新金融
》
售價：HK$
90.0
《
邓正来著作集（全9册）
》
售價：HK$
1905.6
《
努斯：希腊罗马哲学研究（第6辑）--逻辑、同异与辩证法
》
售價：HK$
81.6
《
碳交易与碳金融基础（彭玉镏）
》
售價：HK$
57.6
《
当下的骰子--福柯的光与影
》
售價：HK$
105.6
《
数字经济蓝皮书：全球数字经济竞争力发展报告（2023）
》
售價：HK$
189.6
《
中国燃料电池汽车产业实践：政策、技术、建议及展望 中国汽车技术研究中心有限公司
》
售價：HK$
165.6
|
| 編輯推薦： |
深度学习是人工智能研究中的一个新兴领域，通过深度神经网络模拟人脑的机制让计算机深层次地思考并解释数据。图像检索是计算机视觉领域重要的研究课题，目前结合深度学习和图像检索的研究已趋成熟，并且在产业界逐步落地。为满足广大读者对于深度学习和图像检索技术的学习需求，作者编著了此书。本书详细阐述深度学习目标检测、物体识别、迁移学习、图像生成、图像超分辨率重建、多模型融合算法在图像检索中的应用，帮助读者形成关于深度学习和图像检索系统全面的知识体系。《深度学习——图像检索原理与应用》呈现了以下图像检索的理论、技术与应用：
? 神经网络与深度学习；
? 图像检索技术；
? 目标检测与物体识别方法；
? 迁移学习；
? 生成对抗网络；
? 图像超分辨率重建技术；
? 多模型融合算法；
? 深度学习模型训练方法。
|
| 內容簡介： |
|
本书系统论述深度 学 习 图 像 检 索 的 原 理 与 应 用。全 书 共 分 为 两 篇:第 一 篇 图 像 检 索 基 础( 第 1~3 章) ， 介绍图像检索技术、 深度 学 习 基 础、 基 于 深 度 学 习 的 图 像 检 索 方 法;第 二 篇 图 像 检 索 应 用 ( 第 4~8 章) ， 以车辆图像为研究对象， 深入详细地讲述基于深度神经网络的快速车辆图像检测方法、 基于迁移学习 场景自适应的车辆图像检索方法、 基于多视角图像生成的车辆图像检索方法、 基于车牌图像超分辨率重建 的车辆图像检索方法、 多模型融合的渐进式车辆图像检索方法。附录 A 和附录 B分别提供本书实验所使 用的数据集和源代码。 本书适合作为从事深度学习图像检索技术研究的科技工作者、 专业 技术人员、 高校教师、 研究生及高 年级本科生的参考用书。
|
| 關於作者： |
杨峰教授 中国矿业大学（北京）机电与信息工程学院
近年来，深度学习在图像检索领域的研究引起了学术界和工业界的广泛关注。《深度学习——图像检索原理与应用》的作者将自己的研究成果和实践经验进行了系统总结和梳理，循序渐进地介绍了深度学习和图像检索的理论、方法、路线和应用，具有很高的学术价值。
孙连英教授 北京联合大学俄交大联合交通学院
深度学习是近十年来人工智能领域取得的最重要的突破之一，与图像检索结合有着不可替代的优势。《深度学习——图像检索原理与应用》深入浅出地介绍了图像检索的工作原理与技术路线，对于初学者或专业的科技工作者，都有很好的参考价值。
黄明教授 北京建筑大学测绘与城市空间信息学院
《深度学习——图像检索原理与应用》详细阐述了深度学习中物体识别、目标检测、迁移学习、图像生成、图像超分辨率重建等算法的基本原理、模型结构、训练方法，以及这些算法在图像检索中的应用。本书可以作为研究图像检索技术的参考书和工具书，帮助读者理清思路、开拓视野。
袁冠教授 中国矿业大学计算机科学与技术学院
《深度学习——图像检索原理与应用》结构严谨、章节环环相扣，内容引人入胜。本书的作者经验丰富、思维敏捷，将深奥的内容讲解得通俗易懂，有助于读者真正理解并掌握图像检索的基本原理和最新研究进展。
|
| 目錄：
|
第一篇 图像检索基础
第1章 绪论
1.1 图像检索技术概述
1.1.1 图像检索的分类
1.1.2 图像检索的技术路线
1.1.3 图像检索的评价指标
1.1.4 图像检索的技术难点
1.2 图像检索的研究方法
1.2.1 基于手工描述符的图像检索
1.2.2 基于距离度量学习的图像检索
1.2.3 基于深度学习的图像检索
参考文献
第2章 深度学习基础
2.1 神经网络
2.1.1 神经元模型
2.1.2 感知器和神经网络
2.1.3 误差反向传播算法
2.1.4 常见的神经网络模型
2.2 深度学习概述
2.2.1 卷积神经网络
2.2.2 自动编码器
2.2.3 生成对抗网络
2.2.4 循环神经网络
2.3 深度学习常用框架
2.3.1 Theano
2.3.2 TensorF1ow
2.3.3 Keras
2.3.4 Caffe/Caffe2
Z.3.5 MXNet
2.3.6 CNTK
2.3.7 PyTorch
2.3.8 其他框架
2.4 本章小结
参考文献
第3章 基于深度学习的图像检索
3.1 基于卷积神经网络的图像检索
3.2 基于生成对抗网络的图像检索
3.3 基于注意力机制的图像检索
3.4 基于循环神经网络的图像检索
3.5 基于强化学习的图像检索
3.6 本章小结
参考文献
第二篇 图像检索应用
第4章 基于深度神经网络的快速车辆图像检测
4.1 引言
4.2 问题描述
4.3 基于连接一合并卷积神经网络的快速车辆检测方法
4.3.1 连接一合并残差网络提取车辆特征
4.3.2 多尺度预测网络推断车辆信息
4.3.3 利用锚点机制预测车辆边界框
4.3.4 网络训练
4.4 实验结果与分析
4.4.1 数据集
4.4.2 评价指标与实验设置
4.4.3 在UA-DETRAC数据集上的实验
4.4.4 在KITTI数据集上的实验
4.5 本章小结
参考文献
第5章 基于迁移学习场景自适应的车辆图像检索
5.1 引言
5.2 问题描述
5.3 车辆迁移生成对抗网络
5.3.1 生成器网络
5.3.2 判别器网络
5.3.3 孪生网络
5.3.4 网络训练
5.4 基于图像风格迁移的车辆图像检索
5.4.1 特征学习
5.4.2 损失函数
5.4.3 基于风格迁移的车辆图像检索
5.5 实验结果与分析
5.5.1 数据集
5.5.2 评价指标与实验设置
5.5.3 车辆图像风格迁移评估
5.5.4 车辆图像检索性能评估
5.5.5 车辆图像检索方法对比
5.6 本章小结
参考文献
第6章 基于多视角图像生成的车辆图像检索
6.1 引言
6.2 问题描述
6.3 车辆图像多视角生成对抗网络
6.3.1 车辆视角估计
6.3.2 条件生成器网络
6.3.3 判别器网络
6.4 基于多视角的车辆图像检索
6.4.1 特征提取
6.4.2 距离度量
6.4.3 推理过程
6.4.4 图像风格迁移与多视角图像生成结合的车辆图像检索
6.5 实验结果与分析
6.5.1 数据集
6.5.2 评价指标与实验设置
6.5.3 多视角生成对抗网络性能评估
6.5.4 车辆图像检索方法对比
6.5.5 车辆图像检索消融实验
6.6 本章小结
参考文献
第7章 基于车牌图像超分辨率重建的车辆图像检索
7.1 引言
7.2 问题描述
7.3 车牌检测与偏斜校正
7.3.1 网络结构
7.3.2 仿射□换
7.4 车牌图像超分辨率生成对抗网络
7.4.1 生成器网络
7.4.2 相对均值判别器网络
7.4.3 损失函数
7.4.4 网络插值
7.5 基于车牌验证的车辆图像检索
7.5.1 孪生神经网络验证车牌
7.5.2 基于车牌验证的精确车辆图像检索
7.6 实验结果与分析
7.6.1 数据集
7.6.2 评价指标与实验设置
7.6.3 车牌检测方法评估
7.6.4 车牌图像超分辨率重建方法评估
7.6.5 车辆图像检索方法对比
7.6.6 车辆图像检索消融实验
7.7 本章小结
参考文献
第8章 多模型融合的渐进式车辆图像检索
8.1 引言
8.2 多模型融合的车辆图像检索框架
8.2.1 基于属性和身份学习的车辆图像检索方法
8.2.2 多模型融合的车辆图像检索框架
8.3 综合实验设计
8.3.1 车辆图像检索融合算法
8.3.2 综合实验设计
8.3.3 实验运行环境
8.4 综合实验与分析
8.4.1 车辆图像检测
8.4.2 车辆图像检索
8.5 本章小结
参考文献
附录A 本书实验用到的数据集
附录B 本书实验使用的源代码
|
| 內容試閱：
|
深度学习对解决图像检索问题有着不可替代的优势。本书将理论与实践结合，以城市道路中跨摄像头、跨场景下的车辆图像检索问题贯穿全文，深入讲解深度学习中物体识别、目标检测、迁移学习、图像生成、超分辨率重建、多模型融合等算法原理，以及这些算法在车辆图像检索中的应用实践，有助于拓宽读者的研究思路并提升解决实际问题的能力。
本书旨在探索多种深度学习算法从不同角度解决图像检索问题的有效性，实用性强，可帮助读者快速入门、掌握、实践前沿的图像检索任务，适用于从事深度学习图像检索技术及应用研究的相关人员阅读。
本书共8章，分为两篇。第一篇为图像检索基础，包括第1~3章。第1章介绍图像检索技术的研究背景、研究内容以及研究方法; 第2章讲述神经网络的相关知识、深度学习的主要算法原理以及常用的深度学习框架; 第3章介绍深度学习在图像检索中的最新研究进展。第二篇为图像检索应用，包括第4~8章，重点讲述基于深度学习的车辆图像检索任务，是本书的核心内容。第4章介绍一种基于连接合并卷积神经网络的快速车辆检测方法，是车辆图像检索的前期工作; 第5章研究一种基于迁移学习场景自适应的车辆图像检索方法，通过转换源域与目标域车辆图像之间的风格，实现跨域场景下的车辆图像检索; 第6章讲述一种基于多视角图像增强的车辆图像检索方法，通过生成对抗网络将单一视角的车辆图像转换成多个视角的相同身份的车辆图像，利用增强的车辆特征，提升车辆图像检索的性能; 第7章介绍一种基于车牌图像超分辨率重建的车辆图像检索方法，通过车牌检测、车牌图像超分辨率重建、车牌验证等过程，显著提升车辆图像检索的效果; 第8章探索一种多模型融合的渐进式车辆图像检索框架，将车辆检测模型和多个车辆检索模型相结合，形成由粗到细的渐进式的车辆图像检索方法。
本书的出版得到河南省重点研发与推广专项（科技攻关）项目（222102240045）、河南省高等学校重点科研项目(22A520028)、河南省高校基本科研业务费专项项目(NSFRF210342)、河南理工大学博士基金(B202139)、河南理工大学高等学校教育教学改革研究与实践项目（2021JG099）的资助。
诚挚感谢中国矿业大学(北京)杨峰教授，中国矿业大学袁冠教授，河南理工大学沈记全教授、孙君顶教授、于金霞教授、赵珊教授的宝贵建议和耐心指导，感谢清华大学出版社盛东亮老师对本书的大力支持和无私帮助。
由于作者水平有限，书中难免有疏漏和不足之处，恳请读者批评指正！
作者
2022年4月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
