本地导入书籍的 AI 翻译功能
仅支持付费会员使用
仅支持付费会员使用
微信扫码开通付费会员
一键翻译全文
一键翻译全文
本书已下架
内容不再支持阅读
深度学习之PyTorch物体检测实战
董洪义
- 扉页
- 版权信息
- 前言
- 第1篇 物体检测基础知识
- 第1章 浅谈物体检测与PyTorch
- 1.1 深度学习与计算机视觉
- 1.2 物体检测技术
- 1.3 PyTorch简介
- 1.4 基础知识准备
- 1.5 总结
- 第2章 PyTorch基础
- 2.1 基本数据：Tensor
- 2.2 Autograd与计算图
- 2.3 神经网络工具箱torch.nn
- 2.4 模 型 处 理
- 2.5 数据处理
- 2.6 总结
- 第3章 网络骨架：Backbone
- 3.1 神经网络基本组成
- 3.2 走向深度：VGGNet
- 3.3 纵横交错：Inception
- 3.4 里程碑：ResNet
- 3.5 继往开来：DenseNet
- 3.6 特征金字塔：FPN
- 3.7 为检测而生：DetNet
- 3.8 总结
- 第2篇 物体检测经典框架
- 第4章 两阶经典检测器：Faster RCNN
- 4.1 RCNN系列发展历程
- 4.2 准备工作
- 4.3 Faster RCNN总览
- 4.4 详解RPN
- 4.5 RoI Pooling层
- 4.6 全连接RCNN模块
- 4.7 Faster RCNN的改进算法
- 4.8 总结
- 第5章 单阶多层检测器：SSD
- 5.1 SSD总览
- 5.2 数据预处理
- 5.3 网络架构
- 5.4 匹配与损失求解
- 5.5 SSD的改进算法
- 5.6 总结
- 第6章 单阶经典检测器：YOLO
- 6.1 无锚框预测：YOLO v1
- 6.2 依赖锚框：YOLO v2
- 6.3 多尺度与特征融合：YOLO v3
- 6.4 总结
- 第3篇 物体检测的难点与发展
- 第7章 模型加速之轻量化网络
- 7.1 压缩再扩展：SqueezeNet
- 7.2 深度可分离：MobileNet
- 7.3 通道混洗：ShuffleNet
- 7.4 总结
- 第8章 物体检测细节处理
- 8.1 非极大值抑制：NMS
- 8.2 样本不均衡问题
- 8.3 模型过拟合
- 8.4 总结
- 第9章 物体检测难点
- 9.1 多尺度检测
- 9.2 拥挤与遮挡
- 9.3 总结
- 第10章 物体检测的未来发展
- 10.1 重新思考物体检测
- 10.2 摆脱锚框：Anchor-Free
- 10.3 总结
暂无笔记