《深度学习技术图像处理入门》内容简介

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