内容简介
“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。《视觉感知：深度学习如何知图辨物》是“人工智能超入门丛书”中的分册，本分册主要介绍人工智能视觉领域的相关知识，以通俗易懂的文字风格，解读用卷积神经网络等深度学习算法及机器学习算法对图像进行分类和识别的方法，介绍OpenCV在图像处理中的基础知识，为进一步学习高阶内容奠定基础。同时，本书配有关键代码，让读者在学习过程中快速上手，提升解决问题的能力。本书可以作为大学生以及想要走向计算机视觉相关工作岗位的技术人员的入门读物，同时，对人工智能感兴趣的人群也可以阅读。
展开▼
图书目录
第1章计算机视觉综述001
1.1生物的视界002
1.1.1三只眼002
1.1.2眼见为实？005
1.2人工智能的视界009
1.2.1数字图像类型009
1.2.2从图像到矩阵011
1.2.3视不同，理相通014
1.3计算机视觉发展与应用018
1.3.1计算机视觉发展史018
1.3.2大规模视觉识别挑战赛021
1.3.3计算机视觉应用022
第2章机器学习与图像识别024
2.1从感知机到支持向量机025
2.1.1感知机的线性可分025
2.1.2支持向量机027
2.2支持向量机的超强“核”心030
2.3支持向量机的实践034
2.3.1鸢尾花的辨识034
2.3.2手写数字图像识别040
第3章神经网络与图像分类043
3.1从神经元到神经网络044
3.1.1神经元与感知机044
3.1.2神经网络的结构046
3.1.3前向与反向传播047
3.2激活函数与损失函数052
3.2.1非线性转换的激活函数052
3.2.2衡量优劣的损失函数056
3.2.3激活函数与损失函数的组合057
3.3拟合与误差058
3.3.1过拟合与欠拟合058
3.3.2偏差与方差的权衡060
3.4利用神经网络识别手写数字图像064
3.4.1MNIST手写数字图像数据集064
3.4.2Scikit-learn库神经网络与手写数字图像066
3.4.3NumPy库神经网络与手写数据集069
第4章卷积入门073
4.1图像噪声074
4.2卷积核与去噪077
4.3边缘检测085
4.4纹理分析089
第5章卷积神经网络及经典详解092
5.1卷积神经网络的提出093
5.1.1从全局到局部093
5.1.2感受野096
5.2卷积层、池化层与全连接层097
5.2.1卷积与卷积层098
5.2.2池化与池化层100
5.2.3全连接层101
5.3卷积神经网络的图像分类103
5.3.1CIFAR-10图像集介绍103
5.3.2简单实现图像分类104
5.4ImageNet与经典网络介绍113
……
展开▼
