卷積神經(jīng)網(wǎng)絡(luò)與視覺計算

譯者序 

作者簡介 

前言 

致謝 

第1章視覺計算簡介 

1.1圖像表示基礎(chǔ) 

1.1.1變換域表示 

1.1.2圖像的直方圖 

1.1.3圖像梯度和邊緣 

1.1.4超越圖像梯度 

1.2基于Hough變換的直線檢測 

1.3Harris角點 

1.4尺度不變的特征變換 

1.5方向梯度直方圖 

1.5.1人工設(shè)計特征空間中的決策制定 

1.5.2貝葉斯決策 

1.5.3線性決策邊界 

1.6可變形零件模型的實例研究 

1.7計算機視覺向神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)變 

本章小結(jié) 

參考文獻(xiàn) 

第2章回歸問題中的機器學(xué)習(xí) 

2.1監(jiān)督學(xué)習(xí) 

2.2線性模型 

2.3最小二乘法 

2.4極大似然估計的解釋 

2.5擴展到非線性模型 

2.6正則化 

2.7交叉驗證 

2.8梯度下降 

2.9幾何正則化 

2.10非凸誤差面 

2.11隨機梯度、批梯度及在線梯度下降 

2.12其他自適應(yīng)學(xué)習(xí)率的更新規(guī)則 

2.13動量 

本章小結(jié) 

參考文獻(xiàn) 

第3章 人工神經(jīng)網(wǎng)絡(luò) 

3.1感知器 

3.2多層神經(jīng)網(wǎng)絡(luò) 

3.3反向傳播算法 

3.4改進(jìn)的反向傳播算法 

3.4.1激活函數(shù) 

3.4.2權(quán)重剪枝 

3.4.3批量標(biāo)準(zhǔn)化 

本章小結(jié) 

參考文獻(xiàn) 

第4章卷積神經(jīng)網(wǎng)絡(luò) 

4.1卷積與池化層 

4.2卷積神經(jīng)網(wǎng)絡(luò) 

本章小結(jié) 

參考文獻(xiàn) 

第5章卷積神經(jīng)網(wǎng)絡(luò)的新進(jìn)展 

5.1預(yù)訓(xùn)練網(wǎng)絡(luò) 

5.1.1通用性和可傳遞性 

5.1.2利用預(yù)訓(xùn)練網(wǎng)絡(luò)的模型壓縮 

5.1.3Mentee網(wǎng)絡(luò)與FitNet 

5.1.4使用預(yù)訓(xùn)練網(wǎng)絡(luò)的應(yīng)用：使用CNN的圖像美學(xué) 

5.2生成網(wǎng)絡(luò) 

5.2.1自動編碼器 

5.2.2生成對抗網(wǎng)絡(luò) 

本章小結(jié) 

參考文獻(xiàn) 

附錄AYann 

后記