Deep Learning: 用Python進行深度學習的基礎理論實作 (1版)

相關熱銷的書籍推薦給您

書名：DEEP LEARNING｜用PYTHON進行深度學習的基礎理論實作 出版社：歐萊禮 出版年月：201708 條碼：9789864764846 內容簡介 不走捷徑，幫助您真正搞懂「深度學習」的真義 這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？ 從零開始，由實做中學習 本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。 本書特色： ．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。 ．說明Python 的用法，讓Python 的初學者也能理解。 ．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。 ．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。 ．以淺顯易懂的方式說明深度學習與神經網路理論。 ．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。 ．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。 ．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。 ．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。 ．介紹自動運作、產生影像、強化學習等深度學習的應用範例。 作者介紹 作者簡介 斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。 目錄 第一章 Python入門 第二章 感知器 第三章 神經網路 第四章 神經網路的學習 第五章 誤差反向傳播法 第六章 與學習有關的技巧 第七章 卷積神經網路 第八章 深度學習 附錄A Softmax-with-Loss層的計算圖 參考文獻

數位影像處理：Python程式實作 (3版)

類似書籍推薦給您

數位影像處理：Python程式實作 ISBN13：9786263281363 出版社：全華圖書 作者：張元翔 裝訂／頁數：平裝／512頁 附件：光碟 規格：26cm*19cm*2.2cm (高/寬/厚) 重量：962克 版次：3 出版日：2022/04/22 中國圖書分類：電腦程式語言 內容簡介 本書為因應現代發展趨勢，針對數位影像處理技術，採取主題介紹方式，除了理論基礎之外，採用Python程式與OpenCV進行實作，強調理論與實務的緊密結合，藉以培養紮實的技術研發能力，內容豐富，同時包含深度學習、人工智慧等相關技術。 本書特色 1.本書因應現代發展趨勢，針對數位影像處理技術，採取主題介紹方式，循序漸進且深入淺出。 2.本書除了含有基礎理論之外，同時採用Python程式與OpenCV進行實作，強調理論與實務的緊密結合，展現「做中學」的學習理念。 3.各章節均附上習題，除了觀念複習外，並提供專案實作，藉以達到有效的學習效果。   目錄 第1 章 介紹 1-1 引言 1-2 相關領域知識 1-3 基本定義與專業術語 1-4 數位影像檔案格式 1-5 數位影像處理軟體 1-6 數位影像處理技術應用 第2 章 Python 程式設計 2-1 Python 程式語言 2-2 Python 程式設計 2-3 OpenCV 介紹 2-4 數位影像處理初體驗 2-5 OpenCV 繪圖 第3 章 數位影像基礎 3-1 電磁波概念 3-2 人類視覺系統 3-3 影像擷取 3-4 影像形成模型 3-5 數位影像的取樣與量化 第4 章 幾何轉換 4-1 基本概念 4-2 空間轉換 4-3 影像內插 4-4 仿射轉換 4-5 透視轉換 4-6 相機幾何失真 第5 章 影像增強 5-1 基本概念 5-2 強度轉換 5-3 直方圖處理 5-4 影像濾波 第6 章 頻率域影像處理 6-1 基本概念 6-2 離散傅立葉轉換 6-3 頻率域濾波 第7 章 影像還原 7-1 基本概念 7-2 影像雜訊 7-3 週期性雜訊 7-4 影像雜訊分析 7-5 影像還原 7-6 反濾波 7-7 維納濾波 7-8 影像補繪 第8 章 色彩影像處理 8-1 色彩理論 8-2 色彩模型 8-3 灰階與色彩轉換 8-4 色彩影像增強 8-5 HSI 色彩影像處理 8-6 HSV 色彩分割 第9 章 影像分割 9-1 基本概念 9-2 邊緣偵測 9-3 直線偵測 9-4 圓形偵測 9-5 影像閥值化 9-6 適應性閥值化 9-7 分水嶺影像分割 9-8 GrabCut 影像分割 第10 章 二值影像處理 10-1 基本概念 10-2 基本定義與術語 10-3 形態學影像處理 10-4 補洞演算法 10-5 骨架化演算法 10-6 距離轉換 第11 章 小波與正交轉換 11-1 基本概念 11-2 簡易的小波轉換 11-3 小波轉換 11-4 離散小波轉換(1D) 11-5 離散小波轉換(2D) 11-6 小波轉換的數位影像處理應用 11-7 基於矩陣的轉換 第12 章 影像壓縮 12-1 基本概念 12-2 資訊理論 12-3 熵編碼 12-4 影像壓縮系統 12-5 區塊轉換編碼 12-6 JPEG 影像壓縮 第13 章 特徵擷取 13-1 基本概念 13-2 連通元標記 13-3 輪廓搜尋 13-4 形狀特徵 13-5 輪廓特徵 13-6 角點偵測 13-7 關鍵點偵測 13-8 膚色偵測 13-9 臉部偵測 第14 章 影像特效 14-1 基本概念 14-2 幾何特效 14-3 像素特效 14-4 非真實感繪製 第15 章 深度學習 15-1 基本概念 15-2 人工神經網路 15-3 卷積神經網路 15-4 典型的卷積神經網路 附 錄 數學背景 基本數學公式 參考文獻 習題

數位影像處理─使用Matlab與 C++ / Python語言 (1版)

類似書籍推薦給您

【簡介】 數位影像處理技術相關應用涵蓋甚廣，例如工業視覺檢測、醫療影像診斷、遠端感測與地理資訊、衛星影像和航空影像的處理與分析、智慧型交通系統、安防與監控、行動裝置應用等。 　　本書編撰著重「實用」與「教學」的定位。為求讀者能實際運用書中知識，全書大量使用 Matlab 與 C++ / Python 語言的原始程式碼，且儘可能不倚賴工具箱來實現。 【目錄】 第1章 數位影像起源與發展 第2章 數位影像基礎理論與實作 第3章 影像之Matlab與OpenCV C++ / Python基礎實作 第4章 影像的像素變換 第5章 影像幾何轉換 第6章 影像空間域處理方法 第7章 影像頻率域處理方法 第8章 影像形態學處理 第9章 影像特徵處理 第10章 聚類演算法 第11章 影像融合技術 第12章 影像案例優化與快速應用 第13章 影像分類模型 第14章 影像目標檢測 附　錄 參考文獻

數位與醫學的人工智慧影像處理技術：Python 實務 (1版)

類似書籍推薦給您

數位與醫學的人工智慧影像處理技術：Python 實務 ISBN13：9786263331174 出版社：博碩文化 作者：黃正達;蔡旻嶧;王旭正 裝訂／頁數：平裝／336頁 規格：23cm*17cm*1.7cm (高/寬/厚) 版次：1 出版日：2022/06/20 中國圖書分類：電腦程式語言 內容簡介 【重點大綱】   基礎醫學影像系統：認識醫學影像系統中，會使用到影像處理的醫學影像技術，其中包括了電腦斷層掃描、核磁共振成像、正電子掃描、超音波等等，並了解其原理與應用．另外也介紹 DICOM和PACS，可以瞭解在醫學系統中，如何透過統一的標準進行影像傳遞與應用。   數位影像處理：運用大量的Python語言以及OpenCV，可以快速了解數位影像的處理技術，如影像的存取、呈現、剪裁縮放與旋轉、對比亮度的調整。影像註冊與分割技術也是醫學影像中的重點，透過註冊、對位的方式，可以觀察手術前後的變化，並介紹機器學習與深度學習應具備的基本知識，以利第三部分的應用。   醫學影像處理技術與應用：專注於醫學影像處理的技術與應用，從醫學影像分割開始讓讀者一步步進入該領域，透過邊緣檢測或以區域為主影像分割技術開始介紹，並介紹其實際應用方法。   專業推薦   「智慧醫療」為全球醫療發展趨勢，政府相關部會近年來高度重視並積極推動。本書正是學習醫學影像的大數據分析與人工智慧技術的基礎工具書。值得一提的是，最後以Python這套程式語言搭配OpenCV套件來進行影像處理的實作，更是手把手學習數位影像處理技術的捷徑。透過這本書，讀者可以迅速掌握數位醫學影像的關鍵技術。——元智大學資訊學院特聘教授兼院長，臻鼎科技集團-元智大學大數據聯合研發中心主任　詹前隆 目錄 CHAPTER 01 介紹醫學影像系統（CT, MRI, PET, and Ultrasound） 1.1 介紹醫學影像系統 1.2 電腦斷層掃描（Computed Tomography Scan, CT Scan） 1.3 磁力共振成像（Magnetic Resonance Imaging, MRI） 1.4 正子斷層照影（Positron Emission Tomography, PET） 1.5 Medical Ultrasound醫學超音波檢查 CHAPTER 02 DICOM影像檔案與PACS介紹 2.1 DICOM（Digital Imaging Communication in Medicine） 2.2 PACS 醫學影像存檔與通信系統 CHAPTER 03 基礎數位影像處理Ⅰ 3.1 數位影像處理簡介 3.2 Python & OpenCV 3.3 影像的讀取、顯示、存檔 3.4 影像的剪裁、縮放與旋轉 3.5 影像對比與亮度調整 CHAPTER 04 基礎數位影像處理Ⅱ 4.1 影像分析工具 4.2 直方圖影像操作 4.3 影像形態學 CHAPTER 05 影像雜訊與濾波 5.1 影像雜訊介紹 5.2 影像濾波 CHAPTER 06 影像註冊與影像分割 6.1 影像註冊介紹 6.2 影像分割介紹 CHAPTER 07 機器學習與深度學習 7.1 機器學習介紹 7.2 深度學習介紹  7.3 數位影像處理在深度學習中的應用 CHAPTER 08 醫學影像分割 8.1 基於邊緣檢測的分割方式 8.2 基於區域的影像分割法 8.3 醫學影像分割應用–基於雙向區域生長的醫學圖像分割算法 8.4 醫學影像分割進階應用–皮層下腦影像分割 CHAPTER 09 醫學影像註冊 9.1 基於互相關的醫學影像註冊 9.2 基於特徵的醫學影像註冊 9.3 醫學影像註冊的應用–基於互相關與Radon 變換 9.4 醫學影像註冊的應用–多模態醫學影像註冊 CHAPTER 10 人工智慧應用於醫學影像處理Ⅰ 10.1 人工智慧應用於醫學影像處理 10.2 架構與演算法 10.3 基於LASSO 以及EL–SVM 的子宮頸組織影像分類 CHAPTER 11 人工智慧應用於醫學影像處理Ⅱ 11.1 基於特徵的卷積神經網路影像註冊（Convolution Neural Network Feature-based Registration, CNNFR） 11.2 基於DRINet 的影像分割方法 CHAPTER A Python 基礎語法與工具介紹 A.1 Python 開發環境的建立 A.2 Python 基礎語法–資料型態與變數 A.3 If-elif-else 條件判斷式 A.4 for-loop 迴圈 A.5函式Function

數位影像處理 (1版)

類似書籍推薦給您

【簡介】 本書特色 1.具備豐富且完整的內容，為讀者建立堅實的理論與實務基礎。 2.提供更加豐富的數值與影像處理範例，大幅增加閱讀性。 3.內容更新與時俱進，並導入如深度學習等近年重要且熱門議題。 4.以數學推導、演算法及步驟式條列等，更加多元的方式進行解說。 內容簡介 本書介紹數位影像處理的應用，為了應對影像處理領域近年來的蓬勃發展，範疇廣泛。我們先專注於核心概念，並引導讀者建立扎實的基礎外，且同時結合實務應用，幫助他們踏入這個迅速變遷的領域。書中先從取樣與量化、鄰域處理及轉換法介紹，幫助學生打好基礎，接著介紹影像增強、影像復原、影像壓縮、影像分割、表示與描述等核心內容，最後結合實用並應用在圖樣辨別及影像系統的評估。本書適用大學、科大資工、電子及電機系「數位影像處理」及「影像處理」課程使用。 【目錄】 第一章　簡介 1.1 背景 1.2 影像的表示 1.3 數位影像處理 1.4 數位影像處理系統 1.5 本書架構 第二章　取樣與量化 2.1 取樣 2.2 量化 2.3 向量量化 習題 第三章　鄰域處理 3.1 簡介 3.2 低通與高通濾波器 3.3 排序濾波器 3.4 高斯濾波器 3.5 雙邊濾波器 3.6 邊緣偵測濾波器 習題 第四章　轉換法 4.1 簡介 4.2 KL轉換 4.3 主成份分析 4.4 好轉換的特性 4.5 正交轉換 4.6 傅立葉轉換 4.7 離散餘弦轉換 4.8 Walsh-Hadamard轉換 4.9 Haar轉換 4.10 SVD轉換 4.11 小波轉換 習題 第五章　影像增強 5.1 點處理增強 5.2 直方圖修整 5.3 局部增強 5.4 空間濾波 5.5 頻域的影像增強法 5.6 色彩模型 5.7 彩色影像增強 習題 第六章　影像復原 6.1 影像降質系統 6.2 降質系統的矩陣描述 6.3 代數復原方法 6.4 反濾波法 6.5 最小平方濾波器 6.6 限制性最小平方復原 6.7 盲目影像還原技術 6.8 非線性偏移不變降質系統的一個實例(除霧) 習題 第七章　影像壓縮 7.1 資料編碼與資料壓縮 7.2 影像壓縮模型 7.3 訊息理論基礎 7.4 無失真壓縮 7.5 有損耗壓縮 7.6 影像壓縮標準 JPEG 7.7 動態視訊壓縮 7.8 以小波轉換壓縮之實例 習題 第八章　影像分割 8.1 導論 8.2 影像分割處理 8.3 以門檻值法實現影像分割 8.4 以區域法實現影像分割 8.5 以邊界法實現影像分割 8.6 以邊緣法實現影像分割 8.7 分割影像之儲存 8.8 影像分割前置處理 --- LUM濾波器 習題 第九章　表示與描述 9.1 基本表示方法 9.2 B-樣條函數曲線表示法 9.3 邊界描述子 9.4 一般區域描述子 9.5 紋理區域描述子 9.6 形態學 9.7 特徵檢測、描述與匹配簡介 9.8 角點檢測器 9.9 尺度不變特徵轉換 9.10 加速強健特徵 9.11 隨機樣本一致性 9.12 影像對齊 習題 第十章　圖樣識別 10.1 分類 10.2 支持向量機 10.3 AdaBoost機器學習算法 10.4 隨機森林分類演算法 10.5 統計決策圖樣辨識 10.6 特徵選取 10.7 聚類 10.8 利用類神經網路做圖樣識別 10.9 深度學習網路 習題 第十一章　影像系統評估 11.1 影像品質評估 11.2 一般辨識器效能評估 11.3 不平衡測試集的分類器性能度量 11.4 新分類器性能測量方法：A-means 11.5 其他系統評估準則 習題 (附錄及參考文獻採QRcode掃描方式呈現) 附錄 附錄A 數學基礎 附錄B 四類DCT 的產生 附錄C JPEG-LS 部份程式實現說明 附錄D 支持向量機的公式推導 附錄E 核空間和最佳化理論簡介 參考文獻