深度学习之图像目标检测与识别方法
温馨提示:电子书为虚拟商品,一经发货概不退换,请谨慎购买。3小时内发货(节假日除外),发货时效不超过24小时,急单慎拍!
内容简介
书名:深度学习之图像目标检测与识别方法
作者:史朋飞[等]著
ISBN:978-7-121-48812-2
出版社:电子工业出版社
出版日期:2024.09
本书主要介绍基于深度学习的图像目标检测与识别方法,包括检测与识别过程所涉及的图像增强、图像分割、目标定位、目标检测与识别等。主要内容有:基于U-Net的图像去雾算法、基于GAN的图像增强算法、基于ESRGAN的图像超分辨率重建算法、基于嵌套U-Net的图像目标分割算法、基于迁移学习的图像目标分割算法、基于Faster-RCNN的图像目标定位与识别算法、基于YOLOv4的视频图像目标实时定位与识别算法、基于RetinaNet的图像密集目标检测算法、基于LSTM的视频图像目标实时检测算法、基于迁移学习与改进YOLOv4的嵌入式目标检测算法等。结合丰富的实验结果与分析,分别阐述了不同深度学习理论框架下算法的适用条件与优势劣势,力图利用深度学习技术解决图像目标检测与识别过程中遇到的诸多难题。
作者:史朋飞[等]著
ISBN:978-7-121-48812-2
出版社:电子工业出版社
出版日期:2024.09
本书主要介绍基于深度学习的图像目标检测与识别方法,包括检测与识别过程所涉及的图像增强、图像分割、目标定位、目标检测与识别等。主要内容有:基于U-Net的图像去雾算法、基于GAN的图像增强算法、基于ESRGAN的图像超分辨率重建算法、基于嵌套U-Net的图像目标分割算法、基于迁移学习的图像目标分割算法、基于Faster-RCNN的图像目标定位与识别算法、基于YOLOv4的视频图像目标实时定位与识别算法、基于RetinaNet的图像密集目标检测算法、基于LSTM的视频图像目标实时检测算法、基于迁移学习与改进YOLOv4的嵌入式目标检测算法等。结合丰富的实验结果与分析,分别阐述了不同深度学习理论框架下算法的适用条件与优势劣势,力图利用深度学习技术解决图像目标检测与识别过程中遇到的诸多难题。
上一本:
河湖开发治理保护情况普查
下一本:
南水北调工程规章和规范性文件
