思维导图备注

深度学习与深度合成 - 吴剑
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

封面

浏览 16 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 09:47:01
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 前言
  • 第1章　深度学习简介
    • 1.1　人工智能与深度学习
      • 1.1.2　什么是深度学习
    • 1.2　深度学习的前世今生
      • 1.2.1　深度学习的发展历史
      • 1.2.2　深度学习的应用场景
    • 1.3　深度合成
  • 第2章　搭建深度学习开发环境
    • 2.1　深度学习框架
      • 2.1.1　Theano
      • 2.1.2　Caffe
      • 2.1.3　Torch
      • 2.1.4　MXNet
      • 2.1.5　TensorFlow
      • 2.1.6　Keras
      • 2.1.7　PyTorch
      • 2.1.8　框架选择
    • 2.2　硬件平台
      • 2.2.1　个人电脑
      • 2.2.2　租用云GPU服务器
    • 2.3　搭建深度学习开发环境
      • 2.3.1　安装配置GPU加速库
      • 2.3.2　Anaconda
      • 2.3.3　安装深度学习框架
    • 2.4　Python类库简介
  • 第3章　数字图像处理技术
    • 3.1　数字图像组成
    • 3.2　OpenCV
      • 3.2.1　OpenCV的下载与安装
      • 3.2.2　OpenCV的功能模块
    • 3.3　图像基本操作
      • 3.3.1　图像文件读取与保存
      • 3.3.2　图像显示
      • 3.3.3　图像的色彩空间转换
      • 3.3.4　视频图像提取
      • 3.3.5　图像缩放与裁剪
      • 3.3.6　图像旋转、平移和翻转
      • 3.3.7　形态学转换
      • 3.3.8　图像平滑
      • 3.3.9　边缘检测
    • 3.4　OpenCV人脸检测
  • 第4章　神经网络基础
    • 4.1　神经网络游乐场
      • 4.1.1　初识游乐场
      • 4.1.2　数据集分类
    • 4.2　神经网络结构
      • 4.2.1　神经元与感知器
      • 4.2.2　激活函数
      • 4.2.3　网络训练
      • 4.2.4　损失函数
    • 4.3　手写数字识别
      • 4.3.1　MNIST数据集
      • 4.3.2　数据预处理
      • 4.3.3　定义网络模型
      • 4.3.4　网络训练
      • 4.3.5　网络测试
    • 4.4　过拟合
      • 4.4.1　训练误差和泛化误差
      • 4.4.2　过拟合与欠拟合
      • 4.4.3　超参数与验证集
      • 4.4.4　抑制过拟合
  • 第5章　卷积神经网络
    • 5.1　卷积神经网络组成
      • 5.1.1　LeNet网络结构
      • 5.1.2　卷积层
      • 5.1.3　池化层
      • 5.1.4　复现LeNet
    • 5.2　典型卷积神经网络结构
      • 5.2.1　AlexNet
      • 5.2.2　VGGNet
      • 5.2.3　GoogLeNet
      • 5.2.4　ResNet
      • 5.2.5　DenseNet
    • 5.3　CIFAR-10数据分类
      • 5.3.1　CIFAR-10数据集
      • 5.3.2　迁移学习
      • 5.3.3　基于VGG的图像分类
  • 第6章　图像合成
    • 6.1　图像处理方式分类
    • 6.2　图像合成检测方法
      • 6.2.1　主动检测
      • 6.2.2　被动检测
    • 6.3　基于深度学习的分析方法
      • 6.3.1　图像合成数据集
      • 6.3.2　平滑滤波检测
      • 6.3.3　成像设备检测
      • 6.3.4　JPEG压缩检测
      • 6.3.5　重采样检测
  • 第7章　生成式深度学习
    • 7.1　生成模型
      • 7.1.2　自动编码器
      • 7.1.3　变分自动编码器
    • 7.2　生成对抗网络GAN
      • 7.2.1　GAN的基本结构
      • 7.2.2　生成器
      • 7.2.3　判别器
      • 7.2.4　对抗网络
      • 7.2.5　GAN的训练
    • 7.3　GAN的变体
      • 7.3.2　DCGAN
      • 7.3.3　CycleGAN
  • 第8章　深度合成
    • 8.1　深度合成原理
    • 8.2　深度合成分析
      • 8.2.1　深度合成检测挑战赛
      • 8.2.2　深度合成数据集
      • 8.2.3　深度合成检测方法
    • 8.3　深度合成检测实战
      • 8.3.1　检测系统框架
      • 8.3.2　MTCNN人脸检测
      • 8.3.3　数据预处理
      • 8.3.4　网络模型构建
      • 8.3.5　模型训练与测试
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《深度学习与深度合成 - 吴剑》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度