深度学习技术图像处理入门

作品简介

本书从机器学习、图像处理的基本概念入手，逐步阐述深度学习图像处理技术的基本原理以及简单的实现。继而以几个实战案例来介绍如何使用深度学习方法，在数据分析竞赛中取得较高的排名。最后，通过一个实战案例，介绍如何将模型放入iOS程序，制作相应的人工智能手机App。

本书适用于对深度学习有兴趣、希望入门这一领域的理工科大学生、研究生，以及希望了解该领域基本原理的软件开发人员。此外，本书所有案例均提供了云环境上的代码，便于读者复现结果，并进行深入学习。

杨培文，北京工商大学，优达学城机器学习课程毕业项目的评审。目前研究方向是深度学习在图像方面的应用，同时致力于机器学习、深度学习和无人车等方面知识的普及与教育。在kaggle猫狗大战项目中达到top1.2%。

作品目录

• 内容简介
• 序
• 前言
• 第1章 搭建指定的开发环境
• 1.1　为什么要使用指定的开发环境
• 1.2　硬件准备
• 1.3　软件准备
• 1.4　参考文献及网页链接
• 第2章 温故知新——机器学习基础知识
• 2.1　人工智能、机器学习与深度学习
• 2.2　训练一个传统的机器学习模型
• 2.3　数据挖掘与训练模型
• 2.4　参考文献及网页链接
• 第3章 数形结合——图像处理基础知识
• 3.1　读取图像文件进行基本操作
• 3.2　用简单的矩阵操作处理图像
• 3.3　使用OpenCV“抠图”——基于颜色通道以及形态特征
• 3.4　基于传统特征的传统图像分类方法
• 3.5　参考文献及网页链接
• 第4章 继往开来——使用深度神经网络框架
• 4.1　从逻辑回归说起
• 4.2　深度学习框架
• 4.3　基于反向传播算法的自动求导
• 4.4　简单的深度神经网络框架实现
• 4.5　参考文献及网页链接
• 第5章 排列组合——深度神经网络框架的模型元件
• 5.1　常用层
• 5.2　卷积层
• 5.3　池化层
• 5.4　正则化层与过拟合
• 5.5　反卷积层
• 5.6　循环层
• 5.7　参考文献及网页链接
• 第6章 少量多次——深度神经网络框架的输入处理
• 6.1　批量生成训练数据
• 6.2　数据增强
• 6.3　参考文献及网页链接
• 第7章 愚公移山——深度神经网络框架的模型训练
• 7.1　随机梯度下降
• 7.2　动量法
• 7.3　自适应学习率算法
• 7.4　实验案例
• 7.5　参考文献及网页链接
• 第8章 小试牛刀——使用深度神经网络进行CIFAR-10数据分类
• 8.1　上游部分——基于生成器的批量生成输入模块
• 8.2　核心部分——用各种零件搭建深度神经网络
• 8.3　下游部分——使用凸优化模块训练模型
• 8.4　参考文献及网页链接
• 第9章 见多识广——使用迁移学习提升准确率
• 9.1　猫狗大战1.0——使用卷积神经网络直接进行训练
• 9.2　猫狗大战2.0——使用ImageNet数据集预训练模型
• 9.3　猫狗大战3.0——使用多种预训练模型组合提升表现
• 9.4　融合模型
• 9.5　总结
• 9.6　参考文献及网页链接
• 第10章 看图识字——使用深度神经网络进行文字识别
• 10.1　使用卷积神经网络进行端到端学习
• 10.2　使用循环神经网络改进模型
• 10.3　识别四则混合运算验证码（初赛）
• 10.4　识别四则混合运算验证码（决赛）
• 10.5　参考文献及网页链接
• 第11章 见习医生——使用全卷积神经网络分割病理切片中的癌组织
• 11.1　任务描述
• 11.2　总体思路
• 11.3　构造模型
• 11.4　程序执行
• 11.5　模型结果可视化
• 11.6　观察模型在验证集上的预测表现
• 11.7　参考文献及网页链接
• 第12章 知行合一——如何写一个深度学习App
• 12.1　CAM可视化
• 12.2　导出分类模型和CAM可视化模型
• 12.3　开始编写App
• 12.4　使用深度学习模型
• 12.5　参考文献及网页链接