计算机 类型
可以朗读 语音朗读
148千字 字数
2024-09-01 发行日期
展开全部

主编推荐语

本书介绍了深度学习在图像目标检测与识别领域的应用。

内容简介

全书内容主要包括：基于UNet的图像去雾算法、基于特征融合GAN的图像增强算法、基于ESRGAN的图像超分辨率重建算法、基于嵌套UNet的图像分割算法、基于对抗迁移学习的水下大坝裂缝图像分割算法、基于改进Faster-RCNN的海洋生物检测算法、基于YOLOv4的目标检测算法、基于RetinaNet的密集目标检测算法、基于LSTM网络的视频图像目标实时检测等。

目录

  • 版权信息
  • 内容简介
  • 作者简介
  • 前言
  • 第0章 绪论
  • 0.1 研究背景及意义
  • 0.2 国内外研究现状
  • 0.2.1 水下图像质量提升方法
  • 0.2.2 基于深度学习的目标检测算法研究
  • 0.2.3 裂缝图像分割算法研究
  • 0.3 本书的主要内容及章节安排如下
  • 参考文献
  • 第1章 基于UNet的图像去雾算法
  • 1.1 引言
  • 1.2 本章算法
  • 1.2.1 特征提取层
  • 1.2.2 网络结构
  • 1.2.3 损失函数
  • 1.3 实验与分析
  • 1.3.1 实验环境
  • 1.3.2 实验数据集
  • 1.3.3 评价指标
  • 1.3.4 参数设置
  • 1.3.5 实验结果
  • 1.3.6 运行时间对比
  • 1.4 本章小结
  • 参考文献
  • 第2章 基于特征融合GAN的图像增强算法
  • 2.1 引言
  • 2.2 GAN概述
  • 2.2.1 GAN的基本概念
  • 2.2.2 GAN的数学模型
  • 2.3 基于特征融合GAN的图像增强算法
  • 2.3.1 颜色校正
  • 2.3.2 生成器的结构
  • 2.3.3 判别器的结构
  • 2.3.4 损失函数的选择
  • 2.4 实验与分析
  • 2.4.1 实验数据及训练
  • 2.4.2 实验结果
  • 2.4.3 消融实验
  • 2.5 本章小结
  • 参考文献
  • 第3章 基于ESRGAN的图像超分辨率重建算法
  • 3.1 引言
  • 3.2 ESRGAN
  • 3.3 基于ESRGAN的水下图像超分辨率重建算法
  • 3.3.1 生成器的结构
  • 3.3.2 相对判别器的结构
  • 3.3.4 损失函数的选择
  • 3.4 实验与分析
  • 3.4.1 实验数据及训练
  • 3.4.2 实验结果
  • 3.5 本章小结
  • 参考文献
  • 第4章 基于嵌套UNet的图像分割算法
  • 4.1 引言
  • 4.2 卷积神经网络的相关技术
  • 4.3 全卷积网络
  • 4.4 UNet模型
  • 4.5 裂缝图像分割模型Att_Nested_UNet
  • 4.5.1 相关研究
  • 4.5.2 Att_Nested_UNet的工作原理
  • 4.5.3 实验及结果
  • 4.6 本章小结
  • 参考文献
  • 第5章 基于对抗迁移学习的水下大坝裂缝图像分割算法
  • 5.1 引言
  • 5.2 相关工作
  • 5.2.1 裂缝图像分割
  • 5.2.2 水下大坝裂缝图像分割
  • 5.2.3 迁移学习
  • 5.3 本章算法
  • 5.3.1 网络模型
  • 5.3.2 对抗迁移学习
  • 5.3.3 损失函数
  • 5.4 实验与分析
  • 5.4.1 数据集
  • 5.4.2 训练策略
  • 5.4.3 实验结果
  • 5.4.4 评价指标
  • 5.5 本章小结
  • 参考文献
  • 第6章 基于改进Faster-RCNN的海洋生物检测算法
  • 6.1 引言
  • 6.2 相关工作
  • 6.3 本章算法
  • 6.3.1 ResNet-BiFPN简介
  • 6.3.2 有效交并比
  • 6.3.3 K-means++算法
  • 6.4 实验与分析
  • 6.4.1 实验配置及数据集
  • 6.4.2 评价指标
  • 6.4.3 实验结果
  • 6.5 本章小结
  • 参考文献
  • 第7章 基于YOLOv4的目标检测算法
  • 7.1 引言
  • 7.2 结合数据增强和改进YOLOv4的水下目标检测算法
  • 7.2.1 CBAM-CSPDarknet53
  • 7.2.2 DetPANet
  • 7.2.3 PredMix
  • 7.3 实验与分析
  • 7.3.1 实验配置及数据集
  • 7.3.2 实验结果
  • 7.4 本章小结
  • 参考文献
  • 第8章 基于RetinaNet的密集目标检测算法
  • 8.1 引言
  • 8.2 本章算法
  • 8.2.1 本章算法的主体框架
  • 8.2.2 多维注意力模块
  • 8.2.3 弱化的非极大值抑制算法
  • 8.2.4 损失函数
  • 8.3 实验与分析
  • 8.3.1 实验环境与数据集
  • 8.3.2 实验参数与评价指标
  • 8.3.3 实验过程与结果分析
  • 8.4 本章小结
  • 参考文献
  • 第9章 基于LSTM网络的视频图像目标实时检测算法
  • 9.1 引言
  • 9.2 长短时记忆网络和记忆引导网络
  • 9.2.1 长短时记忆网络
  • 9.2.2 记忆引导网络
  • 9.3 交叉检测框架
  • 9.3.1 交叉检测框架的思路
  • 9.3.2 交叉检测框架的选择
  • 9.4 模型训练和实验分析
  • 9.4.1 模型训练策略
  • 9.4.2 实验分析
  • 9.5 本章小结
  • 参考文献
  • 第10章 基于改进YOLOv4的嵌入式变电站仪表检测算法
  • 10.1 引言
  • 10.2 本章算法
  • 10.2.1 YOLOv4简介
  • 10.2.2 对YOLOv4的改进
  • 10.3 实验与分析
  • 10.3.1 数据集与实验平台
  • 10.3.2 数据集与实验平台
  • 10.3.3 计算量与模型参数对比
  • 10.3.4 检测速度和检测精度的对比
  • 10.4 本章小结
  • 参考文献
  • 文后插图
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。