思维导图备注

深度学习与计算机视觉：算法原理、框架应用与代码实现
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

11.2 基于PASCAL VOC数据集训练SSD模型

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2022-01-24 10:42:19
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 序言
  • 前言
  • 第1篇 基础知识
    • 第1章 引言
      • 1.1 人工智能的新焦点——深度学习
      • 1.2 给计算机一双眼睛——计算机视觉
      • 1.3 基于深度学习的计算机视觉
    • 第2章 深度学习和计算机视觉中的基础数学知识
      • 2.1 线性变换和非线性变换
      • 2.2 概率论及相关基础知识
      • 2.3 维度的诅咒
      • 2.4 卷积
      • 2.5 数学优化基础
    • 第3章 神经网络和机器学习基础
      • 3.1 感知机
      • 3.2 神经网络基础
      • 3.3 后向传播算法
      • 3.4 随机梯度下降和批量梯度下降
      • 3.5 数据、训练策略和规范化
      • 3.6 监督学习、非监督学习、半监督学习和强化学习
    • 第4章 深度卷积神经网络
      • 4.1 卷积神经网络
      • 4.2 LeNet——第一个卷积神经网络
      • 4.3 新起点——AlexNet
      • 4.4 更深的网络——GoogLeNet
      • 4.5 更深的网络——ResNet
  • 第2篇 实例精讲
    • 第5章 Python基础
      • 5.2 Python基本语法
      • 5.3 Python的科学计算包——NumPy
      • 5.4 Python的可视化包——matplotlib
    • 第6章 OpenCV基础
      • 6.1 OpenCV简介
      • 6.2 Python-OpenCV基础
      • 6.3 用OpenCV实现数据增加小工具
      • 6.4 用OpenCV实现物体标注小工具
    • 第7章 Hello World！
      • 7.1 用MXNet实现一个神经网络
      • 7.2 用Caffe实现一个神经网络
    • 第8章 最简单的图片分类——手写数字识别
      • 8.1 准备数据——MNIST
      • 8.2 基于Caffe的实现
      • 8.3 基于MXNet的实现
    • 第9章 利用Caffe做回归
      • 9.1 回归的原理
      • 9.2 预测随机噪声的频率
    • 第10章 迁移学习和模型微调
      • 10.1 吃货必备——通过Python采集美食图片
      • 10.2 美食分类模型
    • 第11章 目标检测
      • 11.2 基于PASCAL VOC数据集训练SSD模型
    • 第12章 度量学习
      • 12.2 用MNIST训练Siamese网络
    • 第13章 图像风格迁移
      • 13.2 MXNet中的图像风格迁移例子
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

    《深度学习与计算机视觉：算法原理、框架应用与代码实现》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