Подлинное книжное компьютерное зрение и глубокое обучение Фактическое сражение: используйте Matlab, Python в качестве инструмента глубокого обучения теории для получения теории обнаружения целей для определения голоса лица. Технология искусственного интеллекта
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
| Компьютерное зрение и глубокое обучение Фактическое сражение: matlab, python как инструмент | ||
 | Ценообразование | 109.00 |
| Издатель | Электронная промышленная пресса | |
| Версия | 2019 | |
| Опубликованная дата | Октябрь 2019 | |
| формат | 16 | |
| автор | Лю Яньки | |
| Украсить | Оплата в мягкой обложке | |
| Количество страниц | 0 | |
| Число слов | 0 | |
| Кодирование ISBN | 9787121374838 | |
| масса | 0 | |
Выбор редактора
«Компьютерное зрение и глубокое обучение Фактическое борьба: принятие MATLAB, Python как инструмент» подробно объяснил 36 компьютерных видов и практических случаев глубокого обучения (включая процедуры выполнения), включающие шум дымки, автоматическую карту ответа, сегментацию изображений легких и сегментацию Изображение легких, а также сегментация изображения легких, а также сегментация изображения легкого и разделение изображения легкого и поливолного цифрового водяного знака, поиск изображения, сталкивается с двумя мерными распознаванием кода, позиционированием и распознаванием номерного знака, Сжатие изображений Hofman, рукописное цифровое распознавание, распознавание текста английского персонажа, извлечение организации с фронтальной организацией, панорамное строчки изображений, вейвлет -слияние, слияние, голосовое распознавание, основанное на распознавании
Отслеживание оценки движения частоты, обработка изображений Simulink, таблетки грудной клетки и сегментация печени, обнаружение целей автомобилей на основе глубокого обучения, автономное применение вождения на основе компьютерного зрения, распознавание сценария на основе глубокого обучения, поиск на основе глубины для живописи, на основе CNN - На основе распознавания персонажей, распознавания объектов на основе CNN, распознавания объектов на основе CNN, коррекции изображений на основе CNN, анализа временных последовательностей на основе LSTM, технологии поиска графиков на основе глубокого обучения, обнаружение целей интеллектуального трафика на основе YOLO и другие важные технологии и приложения
«Компьютерное зрение и глубокое обучение Фактическое борьбу: принятие Matlab и Python в качестве инструмента» охватывает почти все основные модули в цифровой обработке изображений и распространяется на теорию глубокого обучения и его применение.Эта книга предоставляет богатые и яркие знания для каждой цифровой обработки изображений
Материал случая и объяснил основные процедуры эксперимента как инструмент с Matlab и Python в качестве инструмента.
Благодаря чтению, пониманию и моделированию этих программ читатели могут более глубоко понимать содержание обработки изображений и более опытно освоить использование компьютерного зрения и глубокого обучения в разных реальных областях.
Краткое содержание
«Компьютерное зрение и глубокое обучение Фактическое борьба: принятие MATLAB, Python как инструмент» подробно объяснил 36 компьютерных видов и практических случаев глубокого обучения (включая процедуры выполнения), включающие шум дымки, автоматическую карту ответа, сегментацию изображений легких и сегментацию Изображение легких, а также сегментация изображения легких, а также сегментация изображения легкого и разделение изображения легкого и поливолного цифрового водяного знака, поиск изображения, сталкивается с двумя мерными распознаванием кода, позиционированием и распознаванием номерного знака, Сжатие изображений Hofman, рукописное цифровое распознавание, распознавание текста английского персонажа, извлечение организации с фронтальной организацией, панорамное строчки изображений, вейвлет -слияние, слияние, голосовое распознавание, основанное на распознавании
Отслеживание оценки движения частоты, обработка изображений Simulink, таблетки грудной клетки и сегментация печени, обнаружение целей автомобилей на основе глубокого обучения, автономное применение вождения на основе компьютерного зрения, распознавание сценария на основе глубокого обучения, поиск на основе глубины для живописи, на основе CNN - На основе распознавания персонажей, распознавания объектов на основе CNN, распознавания объектов на основе CNN, коррекции изображений на основе CNN, анализа временных последовательностей на основе LSTM, глубокого обучения на основе технологии поиска графика, интеллектуального обнаружения целей на основе YOLO практически все основные модели в цифровом изображении. обработка
Блокируется и распространяется на теорию глубокого обучения и ее применение.Если вы хотите хорошо работать, вы должны сначала принести пользу своему инструменту.проходить
Читатели могут более глубоко понять содержание обработки изображений о чтении, понимании и моделировании этих программ, а также более опытным, чтобы овладеть использованием компьютерного зрения и глубокого обучения в разных реальных областях.
«Компьютерное зрение и глубокое обучение Фактическое сражение: используйте Matlab, Python в качестве инструмента», основанные на случаях, компактных структурах, глубоком содержании, простых и эффективных экспериментах, подходящих для учителей, студентов, аспирантов и аспирантов, таких как компьютер, сигнальная общение и автоматизация обширная
Справочник по инженерному персоналу исследования и разработки, занимаясь цифровой обработкой изображений.
Оглавление
Глава 1 1
1.1 1
1.2 1
1.2.1 1
1.2.2 2
1.3 3
1.3.1 4
1.3.2 4
1.3.3 6
1.3.4 8
1.4  расширение чтения12
Глава 2 13
2.1 13
2.2 14
2.2.1 14
2.2.2 15
2.2.3 15
2.3 16
2.4  расширение чтения22
Глава 3 24
3.1 24
3.2 25
3.3 28
3.3.1 28
3.3.2 29
3.3.3 31
3.4  расширение чтения33
Глава 4 34
4.1 34
4.2 34
4.2.1 35
4.2.2 35
4.2.3 38
4.3 40
4.3.1 40
4.3.2 41
4.3.3 41
4.3.4 41
4.3.5 42
4.4  расширение чтения51
Глава 5 53
5.1 53
5.2 53
5.2.1 54
5.2.2 58
5.2.3 58
5.2.4 60
5.3 62
5.4  расширение чтения69
Глава 6 71
6.1 71
6.2 71
6.2.1 72
6.2.2 72
6.2.3 72
6.2.4 72
6.3 73
6.4  расширение чтения77
Глава 7 79
7.1 79
7.2 79
7.2.1 80
7.2.2 82
7.2.3 84
7.3 85
7.3.1 85
7.3.2 87
7.3.3 87
7.4  расширение чтения92
Глава 8 94
8.1 94
8.2 94
8.2.1 94
8.2.2 95
8.2.3 96
8.3 97
8.3.1 97
8.3.2 98
8.3.3 101
8.4  расширение чтения102
8.4.1 102
8.4.2 102
Глава 9 103
9.1 103
9.2 104
9.2.1 104
9.2.2 105
9.3 106
9.3.1  дизайн интерфейса106
9.3.2 111
9.4  расширение чтения112
Глава 10 113
10.1 113
10.2 114
10.3 114
10.3.1 114
10.3.2 115
10.3.3 116
10.3.4 118
10.3.5 120
10.3.6 121
10.3.7 124
10.3.8 125
10.4  расширение чтения128
Глава 11 129
11.1 129
11.2 130
11.3 132
11.3.1 132
11.3.2 133
11.3.3 135
11.4  расширение чтения137
Глава 12 138
12.1 138
12.2 138
12.2.1 139
12.2.2 141
12.3 142
12.3.1 142
12.3.2 143
12.3.3 144
12.3.4 148
12.4  расширение чтения153
Глава 13 155
13.1 155
13.2 155
13.2.1 156
13.2.2 157
13.3 158
13.3.1 158
13.3.2 159
13.3.3 164
13.4  расширение чтения167
Глава 14 168
14.1 168
14.2 168
14.2.1 168
14.2.2 169
14.2.3 170
14.2.4 170
14.3 171
14.3.1 171
14.3.2 172
14.3.3 173
14.4  расширение чтения176
Глава 15 177
15.1 177
15.2 178
15.3 180
15.4  расширение чтения188
Глава 16 189
16.1 189
16.2 189
16.3 191
16.3.1 191
16.3.2 191
16.3.3 194
16.3.4 194
16.4  расширение чтения196
Глава 17 198
17.1 198
17.2 199
17.2.1 199
17.2.2 201
17.2.3 201
17.3 202
17.3.1 202
17.3.2 204
17.4  расширение чтения205
Глава 18 206
18.1 206
18.2 206
18.3 208
18.3.1 208
18.3.2 209
18.4  расширение чтения220
Глава 19 
Технология контроля симуляции221
19.1 221
19.2 221
19.3 223
19.4  расширение чтения232
Глава 20 234
20.1 234
20.2 234
20.2.1 235
20.2.2 236
20.2.3 236
20.3 237
20.4  расширение чтения24
Глава 21 247
21.1 247
21.2 247
21.2.1 248
21.2.2 250
21.2.3 252
21.2.4 253
21.3 255
21.4  расширение чтения267
Глава 22 268
22.1 268
22.2 268
22.2.1 268
22.2.2 269
22.2.3 270
22.2.4 270
22.3 271
22.3.1 271
22.3.2 272
22.3.3 273
22.4  расширение чтения275
Глава 23 276
23.1 276
23.2 276
23.2.1 276
23.2.2 277
23.2.3 278
23.2.4 280
23.3 281
23.3.1 281
23.3.2 282
23.4  расширение чтения287
Глава 24 289
24.1 289
24.2 289
24.2.1 290
24.2.2 291
24.2.3&библиотека модулей NBSP;292
24.2.4 292
24.2.5 292
24.2.6 293
24.2.7 293
24.2.8 294
24.2.9 295
24.2.10 295
24.2.11 295
24.3 296
24.3.1 296
24.3.2 298
24.3.3 299
24.4  расширение чтения302
Глава 25 304
25.1 304
25.2 304
25.2.1 305
25.2.2 307
25.2.3 309
25.2.4 310
25.3 312
25.3.1 312
25.3.2 313
25.3.3 317
25.3.4 319
25.4  расширение чтения323
Глава 26 325
26.1 325
26.2 325
26.2.1 326
26.2.2 326
26.2.3 327
26.2.4 328
26.3 329
26.3.1 329
26.3.2 330
26.3.3 333
26.3.4 335
26.4  расширение чтения338
Глава 27 339
27.1 339
27.2 340
27.2.1 340
27.2.2 340
27.2.3 341
27.3 342
27.4  расширение чтения346
Глава 28 347
28.1 347
28.2 348
28.2.1 348
28.2.2 348
28.2.3 349
28.2.4 349
28.3 349
28.3.1 349
28.3.2 351
28.3.3 353
28.4  расширение чтения358
Глава 29 359
29.1 359
29.2 360
29.2.1 360
29.2.2 360
29.2.3 362
29.3 362
29.3.1  загрузок362
29.3.2 364
29.3.3 365
29.3.4 367
29.4  расширение чтения368
Глава 30 
Идентифицировать370
30.1 370
30.2 371
30.3 371
30.3.1 372
30.3.2 373
30.3.3 375
30.3.4 381
30.4  расширение чтения383
Глава 31 385
31.1 385
31.2 387
31.2.1 387
31.2.2 391
31.3  395
31.3.1 397
31.3.2 AlexNet399
31.3.3 405
31.3.4 413
31.3.5 418
31.4 418
31.4.1 418
31.4.2 VggNet421
31.4.3 ResNet422
31.4.4 424
31.4.5 432
31.5 432
31.5.1 432
31.5.2 434
31.5.3 436
31.5.4 437
31.5.5 445
31.6 445
31.6.1 446
31.6.2 446
31.6.3 448
31.6.4 451
31.6.5 455
31.7 455
31.7.1 455
31.7.2 460
31.7.3 461
31.7.4 462
31.7.5 462
31.7.6 46731.8 467
31.8.1 468
31.8.2 475
31.9  расширение чтения481
об авторе
Лю Яньки, эксперт эксперта по алгоритму опыту обучения и лектор на визуальном курсе AI, хорош в инженерном приложении, таком как анализ визуального интеллекта, многоотрождение гетерогенное сбор данных и добыча данных, и уже давно занимается визуальной, связанной с большими данными, и диаграммой OCR
Культурный поиск, ручная маршрутная эскиза Интеллектуальная идентификация, анализ специальных данных канала и другие приложения архитектуры и исследований и разработок алгоритмов, в исследовании графической идентификации, большого поиска, восприятия данных и сбора и т. Д.Редактор -ин и участие
Напишите несколько книг.
Zhan Fuyu, врач, эксперт по алгоритму старшего управления полетом, закончил специалист по проектированию самолетов Северо -Западного Технологического университета.С почти 10 -летним опытом разработки контроля симуляции, знакомым с дизайном процесса Simulink на основе дизайна модели, он отредактировал и участвовал в написании нескольких книг.
Ван Децян, заместитель исследовательского библиотекаря по управлению архивами, окончил специалист по инженерному инженерии Система Университета архитектуры и технологий XIAN, занялся цифровизацией, интеллектуальной классификацией, поиском графического поиска OCR и интеллектуальной идентификационной идентификационной идентификационной идентификационной идентификационной.
Чен Фенгвей, знакомый с применением машинного обучения, глубокого обучения и компьютерного зрения в области интеллектуального транспорта и интеллектуального вождения. Опыт в Matlab, Python Programming и Tensorf
Low Deep Learning Framework участвовала в разработке и разработке ряда патентов.
Цзян Сянвен, старший профессиональный медицинский рентгенолог, окончил Институт клинической медицины Медицинской школы Медицинского университета Китая.Хороший в технологии обработки медицинской обработки, технологии рентгенологической рентгенографии и компьютерной томографии операционной и технологии сосудистой фотографии.
Исследования и опубликованные связанные медицинские рабочие документы.
Чжоу Хуайнг, новый инженер Energy Vehicle High#, окончил специалист по планированию и управлению транспортом Университета Пекин Цзяотонг.Исследование моделирования и контроля систем чистых электрических и гибридных транспортных средств в течение длительного времени, автомобильных энергетических систем и управления, управления энергией электромобилей и оптимизации управления и т. Д.
И участвовать в написании нескольких книг.