科技 类型
可以朗读 语音朗读
72千字 字数
2023-07-01 发行日期
展开全部

主编推荐语

本书基于卷积神经网络和图像识别方法，介绍了PyTorch和PaddlePaddle两种框架，并结合移动机器人讲解了具体的开发过程。

内容简介

书中所用的硬件平台，带有两个摄像头传感器，为机器人和无人驾驶车辆多摄像头导航提供了理论指导。书中提到的模拟沙盘，正是机器人作为园区巡检或无人配送实例的缩影。通过基于理论的实践，本书不局限于具体的平台和场景，可以作为实现深度学习的通用化方法。

本书源于工程化实践，抽象为具体方法和案例，为学习基于深度学习的机器人技术提供了指南。

目录

  • 版权信息
  • 内容简介
  • 序
  • 前言
  • 认知篇
  • 第1章 人工智能、深度学习和计算机视觉
  • 1.1 人工智能简介
  • 1.2 人工智能的发展
  • 1.3 深度学习简介
  • 1.4 计算机视觉
  • 第2章 卷积神经网络及应用介绍
  • 2.1 神经网络结构
  • 2.1.1 神经元与感知器
  • 2.1.2 神经网络
  • 2.2 图像识别的任务
  • 2.2.1 视觉感知
  • 2.2.2 图像表达
  • 2.2.3 画面不变性
  • 2.3 卷积神经网络结构
  • 2.3.1 卷积层
  • 2.3.2 池化
  • 2.3.3 激活函数
  • 2.3.4 全连接层
  • 2.3.5 卷积神经网络训练
  • 2.4 软件环境安装
  • 2.4.1 Python环境安装
  • 2.4.2 Numpy功能包安装
  • 2.5 卷积神经网络代码详解
  • 2.5.1 Numpy功能包导入
  • 2.5.2 卷积层的实现
  • 2.5.3 Max Pooling层的实现
  • 2.6 网络参数调整或微调
  • 框架篇
  • 第3章 图像分类及目标检测
  • 3.1 图像分类简介
  • 3.1.1 AlexNet
  • 3.1.2 VGG
  • 3.1.3 GoogLeNet
  • 3.1.4 ResNet
  • 3.2 目标检测
  • 3.2.1 目标检测简介
  • 3.2.2 RCNN基础
  • 3.2.3 Faster RCNN原理
  • 3.2.4 Yolo系列算法
  • 3.2.5 Yolov3案例
  • 第4章 PyTorch基础
  • 4.1 PyTorch简介
  • 4.1.1 Tensor数据类型
  • 4.1.2 Tensor运算
  • 4.1.3 搭建简单的神经网络
  • 4.2 自动求梯度
  • 4.3 构建模型和优化参数
  • 4.3.1 torch.nn
  • 4.3.2 torch.optim
  • 4.4 案例：基于PyTorch的CIFAR-10图片分类
  • 第5章 PaddlePaddle基础
  • 5.1 PaddlePaddle卷积神经网络基础
  • 5.1.1 CNN的构成
  • 5.1.2 卷积层
  • 5.1.3 填充
  • 5.1.4 步长
  • 5.1.5 多通道卷积
  • 5.1.6 多卷积核卷积
  • 5.1.7 特征图大小
  • 5.1.8 池化层
  • 5.1.9 全连接层
  • 5.2 PaddlePaddle基本运算
  • 5.3 使用PaddlePaddle高层API直接调用分类网络
  • 5.4 手写数字识别案例
  • 5.4.1 数据处理及数据加载
  • 5.4.2 网络结构和设置学习率
  • 5.4.3 模型训练及模型推理
  • 实战篇
  • 第6章 深度学习智能车项目
  • 6.1 智能车硬件架构设计
  • 6.2 深度学习智能车各部分介绍
  • 6.3 软件安装和使用
  • 6.4 点亮深度学习智能车的车灯
  • 6.4.1 深度学习智能车车灯介绍
  • 6.4.2 智能车LED引脚连接配置
  • 6.4.3 智能车LED电路设计
  • 6.4.4 程序设计
  • 6.4.5 执行程序和查看结果
  • 6.5 智能车运动控制
  • 6.5.1 智能车电机特征
  • 6.5.2 电机工作方式
  • 6.5.3 智能车电机控制
  • 6.5.4 智能车电机引脚连接配置
  • 6.5.5 电机驱动电路
  • 6.5.6 智能车驱动程序设计
  • 6.5.7 执行程序和查看结果
  • 6.6 智能车上位机与下位机通信
  • 6.6.1 智能车下位机程序设计
  • 6.6.2 智能车上位机程序设计
  • 6.6.3 智能车串口通信调试
  • 第7章 实战案例
  • 7.1 基于PaddlePaddle深度学习框架的安装
  • 7.2 车道线识别数据处理与模型构建
  • 7.3 车道线识别训练模型
  • 7.4 标志物检测的数据采集与处理
  • 7.5 Yolov5网络模型介绍
  • 7.5.1 Yolov5网络结构
  • 7.5.2 Yolov5相对于Yolov4和Yolov3的改进
  • 7.6 标志物识别的模型训练
  • 7.7 智能车无人驾驶实践
  • 7.7.1 无人驾驶沙盘模型
  • 7.7.2 深度学习智能车
  • 7.7.3 遥控使用
  • 7.7.4 深度学习智能车
  • 参考文献
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。