





定价:59元
印次:1-1
ISBN:9787302602491
出版日期:2022.07.01
印刷日期:2022.07.01
图书责编:盛东亮
图书分类:零售
本书系统论述深度 学 习 图 像 检 索 的 原 理 与 应 用。全 书 共 分 为 两 篇:第 一 篇 图 像 检 索 基 础( 第 1~3 章) , 介绍图像检索技术、 深度 学 习 基 础、 基 于 深 度 学 习 的 图 像 检 索 方 法;第 二 篇 图 像 检 索 应 用 ( 第 4~8 章) , 以车辆图像为研究对象, 深入详细地讲述基于深度神经网络的快速车辆图像检测方法、 基于迁移学习 场景自适应的车辆图像检索方法、 基于多视角图像生成的车辆图像检索方法、 基于车牌图像超分辨率重建 的车辆图像检索方法、 多模型融合的渐进式车辆图像检索方法。附录 A 和附录 B分别提供本书实验所使 用的数据集和源代码。 本书适合作为从事深度学习图像检索技术研究的科技工作者、 专业 技术人员、 高校教师、 研究生及高 年级本科生的参考用书。
杨峰教授 中国矿业大学(北京)机电与信息工程学院近年来,深度学习在图像检索领域的研究引起了学术界和工业界的广泛关注。《深度学习——图像检索原理与应用》的作者将自己的研究成果和实践经验进行了系统总结和梳理,循序渐进地介绍了深度学习和图像检索的理论、方法、路线和应用,具有很高的学术价值。孙连英教授 北京联合大学俄交大联合交通学院深度学习是近十年来人工智能领域取得的最重要的突破之一,与图像检索结合有着不可替代的优势。《深度学习——图像检索原理与应用》深入浅出地介绍了图像检索的工作原理与技术路线,对于初学者或专业的科技工作者,都有很好的参考价值。黄明教授 北京建筑大学测绘与城市空间信息学院 《深度学习——图像检索原理与应用》详细阐述了深度学习中物体识别、目标检测、迁移学习、图像生成、图像超分辨率重建等算法的基本原理、模型结构、训练方法,以及这些算法在图像检索中的应用。本书可以作为研究图像检索技术的参考书和工具书,帮助读者理清思路、开拓视野。袁冠教授 中国矿业大学计算机科学与技术学院《深度学习——图像检索原理与应用》结构严谨、章节环环相扣,内容引人入胜。本书的作者经验丰富、思维敏捷,将深奥的内容讲解得通俗易懂,有助于读者真正理解并掌握图像检索的基本原理和**研究进展。
前言 深度学习对解决图像检索问题有着不可替代的优势。本书将理论与实践结合,以城市道路中跨摄像头、跨场景下的车辆图像检索问题贯穿全文,深入讲解深度学习中物体识别、目标检测、迁移学习、图像生成、超分辨率重建、多模型融合等算法原理,以及这些算法在车辆图像检索中的应用实践,有助于拓宽读者的研究思路并提升解决实际问题的能力。 本书旨在探索多种深度学习算法从不同角度解决图像检索问题的有效性,实用性强,可帮助读者快速入门、掌握、实践前沿的图像检索任务,适用于从事深度学习图像检索技术及应用研究的相关人员阅读。 本书共8章,分为两篇。第一篇为图像检索基础,包括第1~3章。第1章介绍图像检索技术的研究背景、研究内容以及研究方法; 第2章讲述神经网络的相关知识、深度学习的主要算法原理以及常用的深度学习框架; 第3章介绍深度学习在图像检索中的最新研究进展。第二篇为图像检索应用,包括第4~8章,重点讲述基于深度学习的车辆图像检索任务,是本书的核心内容。第4章介绍一种基于连接合并卷积神经网络的快速车辆检测方法,是车辆图像检索的前期工作; 第5章研究一种基于迁移学习场景自适应的车辆图像检索方法,通过转换源域与目标域车辆图像之间的风格,实现跨域场景下的车辆图像检索; 第6章讲述一种基于多视角图像增强的车辆图像检索方法,通过生成对抗网络将单一视角的车辆图像转换成多个视角的相同身份的车辆图像,利用增强的车辆特征,提升车辆图像检索的性能; 第7章介绍一种基于车牌图像超分辨率重建的车辆图像检索方法,通过车牌检测、车牌图像超分辨率重建、车牌验证等过程,显著提升车辆图像检索的效果; 第8章探索一种...
目录
第一篇图像检索基础
第1章绪论
1.1图像检索技术概述
1.1.1图像检索的分类
1.1.2图像检索的技术路线
1.1.3图像检索的评价指标
1.1.4图像检索的技术难点
1.2图像检索的研究方法
1.2.1基于手工描述符的图像检索
1.2.2基于距离度量学习的图像检索
1.2.3基于深度学习的图像检索
参考文献
第2章深度学习基础
2.1神经网络
2.1.1神经元模型
2.1.2感知器和神经网络
2.1.3误差反向传播算法
2.1.4常见的神经网络模型
2.2深度学习概述
2.2.1卷积神经网络
2.2.2自动编码器
2.2.3生成对抗网络
2.2.4循环神经网络
2.3深度学习常用框架
2.3.1Theano
2.3.2TensorFlow
2.3.3Keras
2.3.4Caffe/Caffe2
2.3.5MXNet
2.3.6CNTK
2.3.7PyTorch
2.3.8其他框架
2.4本章小结
参考文献
第3章基于深度学习的图像检索
3.1基于卷积神经网络的图像检索
3.2基于生成对抗网络的图像检索
3.3基于注意力机制的图像检索
3.4基于循环神经网络的图像检索
3.5基于强化学习的图像检索
3.6本章小结
参考文献
第二篇图像检索应用
第4章基于深度神经网络的快速车辆图像检测
...
神经网络与深度学习;
图像检索技术;
目标检测与物体识别方法;
迁移学习;
生成对抗网络;
图像超分辨率重建技术;
多模型融合算法;
深度学习模型训练方法。