编辑推荐

全书没有佶屈聱牙的文字、没有艰涩难懂的术语，只有明明白白的道理、由浅入深的论证、清晰流畅的架构。

内容简介

深度学习，特别是深度卷积神经网络是人工智能的重要分支领域，卷积神经网络技术也被广泛应用于各种现实场景，在许多问题上都取得了超越人类智能的结果。本书作为该领域的入门书籍，在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。本书共14章，分为三个部分：第一部分为绪论；第二部分（第1～4章）介绍卷积神经网络的基础知识、基本部件、经典结构和模型压缩等基础理论内容。

第三部分（第5～14章）介绍深度卷积神经网络自数据准备开始，到模型参数初始化、不同网络部件的选择、网络配置、网络模型训练、不平衡数据处理，最终到模型集成等实践应用技巧和经验。本书并不是一本编程类书籍，而是希望通过“基础知识”和“实践技巧”两方面使读者从更高维度了解、掌握并成功构建针对自身应用问题的深度卷积神经网络。本书可作为深度学习和卷积神经网络爱好者的入门书籍，也可供没有机器学习背景但希望能快速掌握该方面知识并将其应用于实际问题的各行从业者阅读参考。

作者简介

作者魏秀参，旷视科技（Face++）南京研究院负责人。南京大学LAMDA研究所博士，主要研究领域为计算机视觉和机器学习。在相关领域重要国际期刊和国际会议发表论文十余篇，并两次获得国际计算机视觉相关竞赛冠、亚军。

曾获CVPR 2017最佳审稿人、南京大学博士生校长特别奖学金等荣誉，担任ICCV、CVPR、ECCV、NIPS、IJCAI、AAAI等国际会议PC member。

章节目录

版权信息

内容简介

推荐序

好评袭来

前言

第一部分 绪论

0.1 引言

0.2 什么是深度学习

0.3 深度学习的前世今生

第二部分 基础理论篇

1 卷积神经网络基础知识

1.1 发展历程

1.2 基本结构

1.3 前馈运算

1.4 反馈运算

1.5 小结

2 卷积神经网络基本部件

2.1 “端到端”思想

2.2 网络符号定义

2.3 卷积层

2.4 汇合层

2.5 激活函数

2.6 全连接层

2.7 目标函数

2.8 小结

3 卷积神经网络经典结构

3.1 CNN网络结构中的重要概念

3.2 经典网络案例分析

3.3 小结

4 卷积神经网络的压缩

4.1 低秩近似

4.2 剪枝与稀疏约束

4.3 参数量化

4.4 二值网络

4.5 知识蒸馏

4.6 紧凑的网络结构

4.7 小结

第三部分 实践应用篇

5 数据扩充

5.1 简单的数据扩充方式

5.2 特殊的数据扩充方式

5.3 小结

6 数据预处理

7 网络参数初始化

7.1 全零初始化

7.2 随机初始化

7.3 其他初始化方法

7.4 小结

8 激活函数

8.1 Sigmoid型函数

8.2 tanh（x）型函数

8.3 修正线性单元（ReLU）

8.4 Leaky ReLU

8.5 参数化ReLU

8.6 随机化ReLU

8.7 指数化线性单元（ELU）

8.8 小结

9 目标函数

9.1 分类任务的目标函数

9.2 回归任务的目标函数

9.3 其他任务的目标函数

9.4 小结

10 网络正则化

10.1 ℓ2正则化

10.2 ℓ1正则化

10.3 最大范数约束

10.4 随机失活

10.5 验证集的使用

10.6 小结

11 超参数设定和网络训练

11.1 网络超参数设定

11.2 训练技巧

11.3 小结

12 不平衡样本的处理

12.1 数据层面处理方法

12.2 算法层面处理方法

12.3 小结

13 模型集成方法

13.1 数据层面的集成方法

13.2 模型层面的集成方法

13.3 小结

14 深度学习开源工具简介

14.1 常用框架对比

14.2 常用框架的各自特点

14.3 其他

附录A 向量、矩阵及其基本运算

附录B 随机梯度下降

附录C 链式法则

参考文献

索引

解析深度学习：卷积神经网络原理与视觉实践是2018年由电子工业出版社出版,作者魏秀参。

得书感谢您对《解析深度学习：卷积神经网络原理与视觉实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。