openCv-关于d2l的相关目录

用户147485307974
4 阅读2分钟

《动手深度学习》第13章“计算机视觉”的详细目录：

  • 13. 计算机视觉
    • 13.1. 图像增广
      • 13.1.1. 常用的图像增广方法
      • 13.1.2. 使用图像增广进行训练
      • 13.1.3. 小结
      • 13.1.4. 练习
    • 13.2. 微调
      • 13.2.1. 步骤
      • 13.2.2. 热狗识别
      • 13.2.3. 小结
      • 13.2.4. 练习
    • 13.3. 目标检测和边界框
      • 13.3.1. 边界框
      • 13.3.2. 小结
      • 13.3.3. 练习
    • 13.4. 锚框
      • 13.4.1. 生成多个锚框
      • 13.4.2. 交并比（IoU）
      • 13.4.3. 在训练数据中标注锚框
      • 13.4.4. 使用非极大值抑制预测边界框
      • 13.4.5. 小结
      • 13.4.6. 练习
    • 13.5. 多尺度目标检测
      • 13.5.1. 多尺度锚框
      • 13.5.2. 多尺度检测
      • 13.5.3. 小结
      • 13.5.4. 练习
    • 13.6. 目标检测数据集
      • 13.6.1. 下载数据集
      • 13.6.2. 读取数据集
      • 13.6.3. 演示
      • 13.6.4. 小结
      • 13.6.5. 练习
    • 13.7. 单发多框检测（SSD）
      • 13.7.1. 模型
      • 13.7.2. 训练模型
      • 13.7.3. 预测目标
      • 13.7.4. 小结
      • 13.7.5. 练习
    • 13.8. 区域卷积神经网络（R-CNN）系列
      • 13.8.1. R-CNN
      • 13.8.2. Fast R-CNN
      • 13.8.3. Faster R-CNN
      • 13.8.4. Mask R-CNN
      • 13.8.5. 小结
      • 13.8.6. 练习
    • 13.9. 语义分割和数据集
      • 13.9.1. 图像分割和实例分割
      • 13.9.2. Pascal VOC2012 语义分割数据集
      • 13.9.3. 小结
      • 13.9.4. 练习
    • 13.10. 转置卷积
      • 13.10.1. 基本操作
      • 13.10.2. 填充、步幅和多通道
      • 13.10.3. 与矩阵变换的联系
      • 13.10.4. 小结
      • 13.10.5. 练习
    • 13.11. 全卷积网络
      • 13.11.1. 构造模型
      • 13.11.2. 初始化转置卷积层
      • 13.11.3. 读取数据集
      • 13.11.4. 训练
      • 13.11.5. 预测
      • 13.11.6. 小结
      • 13.11.7. 练习
    • 13.12. 风格迁移
      • 13.12.1. 方法
      • 13.12.2. 阅读内容和风格图像
      • 13.12.3. 预处理和后处理
      • 13.12.4. 抽取图像特征
      • 13.12.5. 定义损失函数
      • 13.12.6. 初始化合成图像
      • 13.12.7. 训练模型
      • 13.12.8. 小结
      • 13.12.9. 练习
    • 13.13. 实战 Kaggle 比赛：图像分类 (CIFAR-10)
      • 13.13.1. 获取并组织数据集
      • 13.13.2. 图像增广
      • 13.13.3. 读取数据集
      • 13.13.4. 定义模型
      • 13.13.5. 定义训练函数
      • 13.13.6. 训练和验证模型
      • 13.13.7. 在 Kaggle 上对测试集进行分类并提交结果
      • 13.13.8. 小结
      • 13.13.9. 练习
    • 13.14. 实战Kaggle比赛：狗的品种识别（ImageNet Dogs）
      • 13.14.1. 获取和整理数据集
      • 13.14.2. 图像增广
      • 13.14.3. 读取数据集
      • 13.14.4. 微调预训练模型
      • 13.14.5. 定义训练函数
      • 13.14.6. 训练和验证模型
      • 13.14.7. 对测试集分类并在Kaggle提交结果
      • 13.14.8. 小结
      • 13.14.9. 练习

《动手深度学习》全书的总章节目录：

  • 前言
  • 安装
  • 符号
    1. 引言
    1. 预备知识
    1. 线性神经网络
    1. 多层感知机
    1. 深度学习计算
    1. 卷积神经网络
    1. 现代卷积神经网络
    1. 循环神经网络
    1. 现代循环神经网络
    1. 注意力机制
    1. 优化算法
    1. 计算性能
    1. 计算机视觉
    1. 自然语言处理：预训练
    1. 自然语言处理：应用
    1. 附录：深度学习工具
  • 参考文献
avatar
文章
阅读
粉丝