本书基于PyTorch深度学习框架,结合计算机视觉中的主流任务,介绍了深度学习相关算法的计算机视觉上的应用。 本书主要内容分为两部分。 第一部分为PyTorch框架使用的相关知识,以及计算机视觉和深度学习的入门知识。第二部分重点介绍深度学习在计算机视觉上的应用,包括:经典的深度卷积网络、深度注意力网络,以及基于自注意力的Transformer系列网络在图像分类中的应用;R-CNN系列、YOLO系列、SSD系列目标检测网络的算法思想及在目标检测中的应用;FCN、U-Net等全卷积网络在图像语义分割领域的应用;针对风格迁移任务,介绍了快速风格迁移、CycleGan等算法的实战应用;针对自编码器和扩散模型,介绍了相关算法在图像重构、去噪以及生成相关计算机视觉任务中的实战应用;最后介绍了迁移学习和域自适应的经典算法在跨域计算机视觉图像分类任务中的应用。 本书适合对计算机视觉、深度学习、人工智能、PyTorch使用感兴趣的初学者及研究人员自学使用,也可作为高等院校相关专业的教材及参考书。
书籍封面
图书特色
01 内容全面,循序渐进,从基础到实战
02 代码完整,注释详细,可读性强
03 语言简洁,示例丰富,便于理解
04 双色印刷,图文并茂,阅读体验好
05 配套资源随书附赠,方便边学边练
(1)书籍附带的程序和数据,可以通过本公众号「Adam大数据分析小站」获取,也可通过化学工业出版社的资源获取处下载。
(2)本书读者交流QQ群:434693903 。在群里相互帮助,共同解决学习中遇到的问题
书籍现已上市,各大网上购物平台均可购买
京东:https://item.jd.com/10111425830609.html
当当:https://product.dangdang.com/11795024576.html
欢迎关注我们的微信公众号,加入读者交流群,获取书籍的源程序、数据等学习资源。
最后欢迎大家分享转发,您的点赞是对我的鼓励和肯定!