令人惊喜的“智能”年代
深度学习有着广阔的前景
“异军突起”的深度学习
高效上手的计算机视觉项目开发
我有着多年的计算机视觉研究经验,在这个领域中,深度学习正在逐步取代“人工特征+机器学习”的传统视觉算法。其中的原因主要有两方面:一方面是深度学习在很多任务上实现了超出传统算法的精度,另一方面是传统视觉算法中的“人工特征”需要大量的经验以及对任务和数据的深刻理解,而深度学习能够根据数据自行学习如何提取特征,极大地降低了机器视觉任务的难度。
深度学习技术正在快速发展,每年都会出现很多新的优秀算法,但是这些算法越来越复杂,对于初学者来说,跟进最新的研究成果变得越来越难。我观察到很多用户非常关注深度学习,并且对 PyTorch 有着很大的兴趣,可惜相关资料太过晦涩难懂,难以入门。为了让读者能够更好地理解深度学习的思维,学会使用深度学习工具,我写了这本《Python计算机视觉与深度学习实战》。
这本书立足实践,从机器学习的基础技能出发,深入浅出地介绍了如何使用 Python 进行基于深度学习的计算机视觉项目开发。开篇首先介绍了基于传统机器学习及图像处理方法的计算机视觉技术;然后重点就图像分类、目标检测、图像分割、图像搜索、图像压缩及文本识别等常见的计算机视觉项目做了理论结合实践的讲解;最后探索了深度学习项目落地时会用到的量化、剪枝等技术,并提供了模型服务端部署案例。
一本超简单的计算机视觉书
从零到一搭建优美的深度学习模型
基础讲解+项目实例
3 种代码形式
为了方便读者的学习,本书中的代码有下面 3 种形式。
小型实验样例采用命令行形式编写,每行代码前都会有“>>>”标记。
配图较多的实例使用 Jupyter Notebook 编写,在每一段代码前都有“In”标记。
实例项目采用项目文件的形式编写,章节开头会给出项目的目录结构,章节内的代码以文件为单位进行展示,代码的第一行标注所属文件的名称。
本书适合以下人群阅读
深度学习相关的科研工作者
计算机视觉从业者
想要了解深度学习技术的程序员
对深度学习感兴趣的其他读者
具备以下知识能更好地阅读本书
线性代数和数理统计知识
深度学习框架知识
书籍特色
作者介绍
郭卡
安徽外国语学院计算机讲师,省级自然科学基金重点项目“基于大数据与人工智能技术的在线学习评价系统”主持人,《Python 数据爬取技术与实战手册》主编,参与多项人工智能研究项目并发表相关论文两篇。
戴亮
科大讯飞算法工程师,GiantPandaCV 作者之一,主要研究方向为光学字符识别与语音识别,热衷于 PyTorch 技术分享,对深度学习相关技术有深入了解。
相关阅读推荐
— 实践中培养深度神经网络直觉 —
— 计算机视觉编程权威实践指南 —
— 一本书掌握深度学习的数学基础知识 —
现在购买
京东自营满100-50
满减叠券最高享
满400-260!
↓一键直达!
点个“在看”↓