目录 - 博文视点

目录
第1章绪论
第2章深度学习
第3章 Caffe 简介及其安装配置
第4章 Caffe 网络定义
第5章 LeNet 模型
第6章 AlexNet 模型
第7章 GoogLeNet 模型
第8章 VGGNet 模型
第9章 Siamese 模型
第10章 SqueezeNet 模型
第11章 FCN 模型
第12章 R-CNN 模型
第13章 Fast-RCNN 模型
第14章 Faster-RCNN 模型
第15章 SSD 模型
第16章 Kaggle项目实践：人脸特征检测
第17章 Kaggle 项目回见：猫狗分类检测

图书类别

第1 章
绪论................................................................................................................................1  
1.1
引言...............................................................................................................................1  
1.2
人工智能的发展历程....................................................................................................2  
1.3
机器学习及相关技术....................................................................................................4  
1.3.1
学习形式分类.....................................................................................................4  
1.3.2
学习方法分类.....................................................................................................5  
1.3.3
机器学习的相关技术.........................................................................................7  
1.4
国内外研究现状............................................................................................................8  
1.4.1
国外研究现状.....................................................................................................8  
1.4.2
国内研究现状.....................................................................................................9  
第2 章
深度学习.......................................................................................................................11  
2.1
神经网络模型..............................................................................................................11  
2.1.1
人脑视觉机理...................................................................................................11  
2.1.2
生物神经元.......................................................................................................13  
2.1.3
人工神经网络...................................................................................................15  
2.2 BP
神经网络................................................................................................................18  
2.2.1 BP
神经元.........................................................................................................18  
2.2.2 BP
神经网络构成.............................................................................................19  
2.2.3
正向传播...........................................................................................................21  
2.2.4
反向传播...........................................................................................................21  
2.3
卷积神经网络..............................................................................................................24  
2.3.1
卷积神经网络的历史.......................................................................................25  
2.3.2
卷积神经网络的网络结构...............................................................................26  
2.3.3
局部感知...........................................................................................................27  
2.3.4
参数共享...........................................................................................................28  
2.3.5
多卷积核...........................................................................................................28  
2.3.6
池化（Pooling）...............................................................................................29  
2.4
深度学习框架..............................................................................................................30  
2.4.1 Caffe
..................................................................................................................30  
2.4.2 Torch
..................................................................................................................31  
2.4.3
Keras..................................................................................................................32  
2.4.4 MXNet
...............................................................................................................32  
2.4.5 TensorFlow
........................................................................................................33  
2.4.6 CNTK
................................................................................................................33  
2.4.7 Theano
...............................................................................................................34  
第3 章 Caffe
简介及其安装配置.............................................................................................36  
3.1 Caffe
是什么................................................................................................................36  
3.1.1 Caffe
的特点......................................................................................................38  
3.1.2 Caffe
的架构......................................................................................................38  
3.2 Caffe
的安装环境........................................................................................................39  
3.2.1 Caffe
的硬件环境..............................................................................................39  
3.2.2 Caffe
的软件环境..............................................................................................43  
3.2.3 Caffe
的依赖库..................................................................................................44  
3.2.4 Caffe
开发环境的安装......................................................................................46  
3.3 Caffe
接口....................................................................................................................52  
3.3.1 Caffe Python
接口.............................................................................................52  
3.3.2 Caffe MATLAB
接口........................................................................................55  
3.3.3 Caffe
命令行接口..............................................................................................56  
第4 章 Caffe
网络定义.............................................................................................................58  
4.1 Caffe
模型要素............................................................................................................58  
4.1.1
网络模型...........................................................................................................58  
4.1.2
参数配置...........................................................................................................62  
4.2 Google Protobuf
结构化数据.......................................................................................63  
4.3 Caffe
数据库................................................................................................................65  
4.3.1
LevelDB.............................................................................................................65  
4.3.2
LMDB................................................................................................................66  
4.3.3 HDF5
.................................................................................................................66  
4.4 Caffe
Net.......................................................................................................................66  
4.5 Caffe
Blob.....................................................................................................................68  
4.6 Caffe Layer
...................................................................................................................70  
4.6.1 Data
Layers........................................................................................................71  
4.6.2 Convolution
Layers............................................................................................75  
4.6.3 Pooling Layers
...................................................................................................76  
4.6.4 InnerProduct
Layers...........................................................................................77  
4.6.5 ReLU
Layers......................................................................................................78  
4.6.6 Sigmoid
Layers..................................................................................................79  
4.6.7 LRN Layers
.......................................................................................................79  
4.6.8 Dropout Layers
..................................................................................................80  
4.6.9 SoftmaxWithLoss
Layers...................................................................................80  
4.6.10 Softmax
Layers................................................................................................81  
4.6.11 Accuracy Layers
..............................................................................................81  
4.7 Caffe Solver
..................................................................................................................82  
Solver
方法....................................................................................................................83  
第5 章 LeNet
模型....................................................................................................................88  
5.1 LeNet
模型简介...........................................................................................................88  
5.2 LeNet
模型解读...........................................................................................................89  
5.3 Caffe 环境LeNet
模型.................................................................................................91  
5.3.1 mnist
实例详解.................................................................................................91  
5.3.2 mnist
手写测试...............................................................................................103  
5.3.3 mnist
样本字库的图片转换............................................................................106  
第6 章 AlexNet
模型..............................................................................................................107  
6.1 AlexNet
模型介绍......................................................................................................107  
6.2 AlexNet
模型解读......................................................................................................108  
6.3 AlexNet
模型特点......................................................................................................111  
6.4 Caffe 环境AlexNet
模型训练...................................................................................112  
6.4.1
数据准备.........................................................................................................112  
6.4.2
其他支持文件.................................................................................................113  
6.4.3
图片预处理.....................................................................................................113  
6.4.4 ImageNet
数据集介绍.....................................................................................113  
6.4.5 ImageNet
图片介绍.........................................................................................115  
6.4.6 ImageNet
模型训练.........................................................................................115  
6.4.7 Caffe 的AlexNet
模型与论文的不同............................................................124  
6.4.8 ImageNet
模型测试.........................................................................................124  
第7 章 GoogLeNet
模型........................................................................................................126  
7.1 GoogLeNet
模型简介................................................................................................126  
7.1.1
背景和动机.....................................................................................................127  
7.1.2 Inception
结构.................................................................................................127  
7.2 GoogLeNet
模型解读................................................................................................129  
7.2.1 GoogLeNet
模型结构......................................................................................129  
7.2.2 GoogLeNet
模型特点......................................................................................134  
7.3 GoogLeNet 模型的Caffe
实现..................................................................................135  
第8 章 VGGNet
模型.............................................................................................................146  
8.1 VGGNet
网络模型.....................................................................................................146  
8.1.1 VGGNet
模型介绍..........................................................................................146  
8.1.2 VGGNet
模型特点..........................................................................................147  
8.1.3 VGGNet
模型解读..........................................................................................147  
8.2 VGGNet
网络训练.....................................................................................................149  
8.2.1 VGGNet
训练参数设置..................................................................................149  
8.2.2 Multi-Scale
训练.............................................................................................149  
8.2.3
测试.................................................................................................................150  
8.2.4
部署.................................................................................................................150  
8.3 VGGNet
模型分类实验.............................................................................................150  
8.3.1 Single-scale
对比.............................................................................................150  
8.3.2 Multi-scale
对比..............................................................................................151  
8.3.3
模型融合.........................................................................................................152  
8.4 VGGNet
网络结构.....................................................................................................153  
第9 章 Siamese
模型.............................................................................................................158  
9.1 Siamese
网络模型......................................................................................................159  
9.1.1 Siamese
模型原理...........................................................................................159  
9.1.2 Siamese
模型实现...........................................................................................160  
9.2 Siamese
网络训练......................................................................................................165  
9.2.1
数据准备.........................................................................................................165  
9.2.2
生成side..........................................................................................................165  
9.2.3
对比损失函数.................................................................................................166  
9.2.4
定义solver.......................................................................................................166  
9.2.5
网络训练.........................................................................................................166  
第10 章 SqueezeNet
模型....................................................................................................168  
10.1 SqueezeNet
网络模型..............................................................................................168  
10.1.1 SqueezeNet
模型原理...................................................................................168  
10.1.2 Fire Module
...................................................................................................169  
10.1.3 SqueezeNet
模型结构...................................................................................170  
10.1.4 SqueezeNet
模型特点...................................................................................171  
10.2 SqueezeNet
网络实现..............................................................................................172  
第11 章 FCN
模型..................................................................................................................177  
11.1 FCN
模型简介..........................................................................................................177  
11.2 FCN
的特点和使用场景..........................................................................................178  
11.3 Caffe FCN
解读........................................................................................................179  
11.3.1 FCN
模型训练准备.......................................................................................180  
11.3.1 FCN
模型训练...............................................................................................183  
第12 章 R-CNN
模型.............................................................................................................196  
12.1 R-CNN
模型简介.....................................................................................................196  
12.2 R-CNN
的特点和使用场景.....................................................................................197  
12.3 Caffe R-CNN
解读...................................................................................................198  
12.3.1 R-CNN
模型训练准备..................................................................................198  
12.3.2 R-CNN
模型训练..........................................................................................201  
第13 章 Fast-RCNN
模型.....................................................................................................217  
13.1 Fast-RCNN
模型简介..............................................................................................217  
13.2 Fast-RCNN
的特点和使用场景..............................................................................218  
13.3 Caffe Fast-RCNN
解读............................................................................................220  
13.3.1 Fast-RCNN
模型训练准备...........................................................................220  
13.3.2 Fast-RCNN
模型训练...................................................................................222  
第14 章 Faster-RCNN
模型..................................................................................................239  
14.1 Faster-RCNN
模型简介...........................................................................................239  
14.2 Faster-RCNN
的特点和使用场景...........................................................................241  
14.3 Caffe Faster-RCNN
解读.........................................................................................242  
14.3.1 Faster-RCNN
模型训练准备........................................................................242  
14.3.2 Faster-RCNN
模型训练................................................................................244  
第15 章 SSD
模型..................................................................................................................264  
15.1 SSD
模型简介..........................................................................................................264  
15.2 SSD
的特点和使用场景..........................................................................................266  
15.3 Caffe SSD
解读........................................................................................................267  
15.3.1 SSD
模型训练准备.......................................................................................267  
15.3.2 SSD
模型训练...............................................................................................268  
第16 章 Kaggle
项目实践：人脸特征检测..........................................................................290  
16.1
项目简介..................................................................................................................290  
16.2
赛题和数据..............................................................................................................291  
16.3 Caffe
训练和测试数据库.........................................................................................293  
16.3.1
数据库生成...................................................................................................293  
16.3.2
网络对比.......................................................................................................295  
16.3.3
网络一...........................................................................................................296  
16.3.4
网络二...........................................................................................................300  
16.3.5 Python
人脸特征预测程序...........................................................................306  
第17 章 Kaggle
项目实践：猫狗分类检测..........................................................................311  
17.1
项目简介..................................................................................................................311  
17.2
赛题和数据..............................................................................................................312  
17.3 Caffe
训练和测试数据库.........................................................................................312  
17.3.1
数据库生成...................................................................................................312  
17.3.2 Caffe
实现......................................................................................................316  
17.3.3 CatdogNet
训练.............................................................................................328  
17.3.4 CatdogNet
模型验证.....................................................................................332

图书分类

B站运营大揭秘：百万Up主真想教会你的创作笔记

特色专题

帮助

目录

目录

图书类别