具体描述
这是一部从技术原理、算法和工程实践3个维度系统讲解图像识别的著作，由阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写。
在知识点的选择上，本书广度和深度兼顾，既能让完全没有基础的读者迅速入门，又能让有基础的读者深入掌握图像识别的核心技术；在写作方式上，本书避开了复杂的数学公式及其推导，从问题的前因后果 、创造者的思考过程，利用简单的数学计算来做模型分析和讲解，通俗易懂。更重要的是，本书不仅仅是聚焦于技术，而是将重点放在了如何用技术解决实际的业务问题。
全书一共13章：
第1-2章主要介绍了图像识别的应用场景、工具和工作环境的搭建；
第3-6章详细讲解了图像分类算法、机器学习、神经网络、误差反向传播等图像识别的基础技术及其原理；
第7章讲解了如何利用PyTorch来实现神经网络的图像分类，专注于实操，是从基础向高阶的过渡；
第8-12章深入讲解了图像识别的核心技术及其原理，包括卷积神经网络、目标检测、分割、产生式模型、神经网络可视化等主题；
第13章从工程实践的角度讲解了图像识别算法的部署模式。
购买本书的读者请在http://www.hzcourse.com/web/refbook/detail/8376/226
下载源代码
作者简介
魏溪含
爱丁堡大学人工智能硕士，阿里巴巴达摩院算法专家，在计算机视觉、大数据领域有8年以上的算法架构和研发经验。
在大数据领域，曾带领团队对阿里巴巴个性化推荐系统进行升级；计算机视觉领域，主导并攻克了光伏EL全自动瑕疵识别的世界难题，并在行为识别领域带领团队参赛打破世界纪录等。
涂铭
阿里巴巴数据架构师，对大数据、自然语言处理、图像识别、Python、Java相关技术有深入的研究，积累了丰富的实践经验。在工业领域曾参与了燃煤优化、设备故障诊断项目，正泰光伏电池片和组件EL图像检测项目；在自然语言处理方面，担任导购机器人项目的架构师，主导开发机器人的语义理解、短文本相似度匹配、上下文理解，以及通过自然语言检索产品库，在项目中构建了NoSQL+文本检索等大数据架构，也同时负责问答对的整理和商品属性的提取，带领NLP团队构建语义解析层。
张修鹏
毕业于中南大学，阿里巴巴技术发展专家，长期从事云计算、大数据、人工智能与物联网技术的商业化应用，在阿里巴巴首次将图像识别技术引入工业，并推动图像识别产品化、平台化，擅于整合前沿技术解决产业问题，主导多个大数据和AI为核心的数字化转型项目成功实施，对技术和商业结合有着深刻的理解。
目录信息
第1章 机器视觉在行业中的应用1
1.1 机器视觉的发展背景1
1.1.1 人工智能1
1.1.2 机器视觉2
1.2 机器视觉的主要应用场景3
1.2.1 人脸识别3
1.2.2 视频监控分析4
1.2.3 工业瑕疵检测5
1.2.4 图片识别分析6
1.2.5 自动驾驶/驾驶辅助7
1.2.6 三维图像视觉8
1.2.7 医疗影像诊断8
1.2.8 文字识别9
1.2.9 图像/视频的生成及设计9
1.3 本章小结10
第2章 图像识别前置技术11
2.1 深度学习框架11
2.1.1 Theano11
2.1.2 Tensorflow12
2.1.3 MXNet13
2.1.4 Keras13
2.1.5 PyTorch14
2.1.6 Caffe14
2.2 搭建图像识别开发环境15
2.2.1 Anaconda15
2.2.2 conda18
2.2.3 Pytorch的下载与安装19
2.3 Numpy使用详解20
2.3.1 创建数组20
2.3.2 创建Numpy数组22
2.3.3 获取Numpy属性24
2.3.4 Numpy数组索引25
2.3.5 切片25
2.3.6 Numpy中的矩阵运算26
2.3.7 数据类型转换27
2.3.8 Numpy的统计计算方法28
2.3.9 Numpy中的arg运算29
2.3.10 FancyIndexing29
2.3.11 Numpy数组比较30
2.4 本章小结31
第3章 图像分类之KNN算法32
3.1 KNN的理论基础与实现32
3.1.1 理论知识32
3.1.2 KNN的算法实现33
3.2 图像分类识别预备知识35
3.2.1 图像分类35
3.2.2 图像预处理36
3.3 KNN实战36
3.3.1 KNN实现MNIST数据分类36
3.3.2 KNN实现Cifar10数据分类41
3.4 模型参数调优44
3.5 本章小结48
第4章 机器学习基础49
4.1 线性回归模型49
4.1.1 一元线性回归50
4.1.2 多元线性回归56
4.2 逻辑回归模型57
4.2.1 Sigmoid函数58
4.2.2 梯度下降法59
4.2.3 学习率的分析61
4.2.4 逻辑回归的损失函数63
4.2.5 Python实现逻辑回归66
4.3 本章小结68
第5章 神经网络基础69
5.1 神经网络69
5.1.1 神经元70
5.1.2 激活函数72
5.1.3 前向传播76
5.2 输出层80
5.2.1 Softmax80
5.2.2 one-hotencoding82
5.2.3 输出层的神经元个数83
5.2.4 MNIST数据集的前向传播83
5.3 批处理85
5.4 广播原则87
5.5 损失函数88
5.5.1 均方误差88
5.5.2 交叉熵误差89
5.5.3 Mini-batch90
5.6 最优化91
5.6.1 随机初始化91
5.6.2 跟随梯度（数值微分）92
5.7 基于数值微分的反向传播98
5.8 基于测试集的评价101
5.9 本章小结104
第6章 误差反向传播105
6.1 激活函数层的实现105
6.1.1 ReLU反向传播实现106
6.1.2 Sigmoid反向传播实现106
6.2 Affine层的实现107
6.3 Softmaxwithloss层的实现108
6.4 基于数值微分和误差反向传播的比较109
6.5 通过反向传播实现MNIST识别111
6.6 正则化惩罚114
6.7 本章小结115
第7章 PyTorch实现神经网络图像分类116
7.1 PyTorch的使用116
7.1.1 Tensor116
7.1.2 Variable117
7.1.3 激活函数118
7.1.4 损失函数120
7.2 PyTorch实战122
7.2.1 PyTorch实战之MNIST分类122
7.2.2 PyTorch实战之Cifar10分类125
7.3 本章小结128
第8章 卷积神经网络129
8.1 卷积神经网络基础129
8.1.1 全连接层129
8.1.2 卷积层130
8.1.3 池化层134
8.1.4 批规范化层135
8.2 常见卷积神经网络结构135
8.2.1 AlexNet136
8.2.2 VGGNet138
8.2.3 GoogLeNet140
8.2.4 ResNet142
8.2.5 其他网络结构144
8.3 VGG16实现Cifar10分类145
8.3.1 训练146
8.3.2 预测及评估149
8.4 本章小结152
8.5 参考文献152
第9章 目标检测153
9.1 定位+分类153
9.2 目标检测155
9.2.1 R-CNN156
9.2.2 Fast R-CNN160
9.2.3 Faster R-CNN162
9.2.4 YOLO165
9.2.5 SSD166
9.3 SSD实现VOC目标检测167
9.3.1 PASCAL VOC数据集167
9.3.2 数据准备170
9.3.3 构建模型175
9.3.4 定义Loss178
9.3.5 SSD训练细节181
9.3.6 训练186
9.3.7 测试189
9.4 本章小结190
9.5 参考文献191
第10章 分割192
10.1 语义分割193
10.1.1 FCN193
10.1.2 UNet实现裂纹分割196
10.1.3 SegNet209
10.1.4 PSPNet210
10.2 实例分割211
10.2.1 层叠式212
10.2.2 扁平式212
10.3 本章小结213
10.4 参考文献214
第11章 产生式模型215
11.1 自编码器215
11.2 对抗生成网络215
11.3 DCGAN及实战217
11.3.1 数据集218
11.3.2 网络设置220
11.3.3 构建产生网络221
11.3.4 构建判别网络223
11.3.5 定义损失函数224
11.3.6 训练过程224
11.3.7 测试227
11.4 其他GAN230
11.5 本章小结235
11.6 参考文献235
第12章 神经网络可视化236
12.1 卷积核236
12.2 特征层237
12.2.1 直接观测237
12.2.2 通过重构观测239
12.2.3 末端特征激活情况243
12.2.4 特征层的作用244
12.3 图片风格化245
12.3.1 理论介绍245
12.3.2 代码实现247
12.4 本章小结255
12.5 参考文献255
第13章 图像识别算法的部署模式257
13.1 图像算法部署模式介绍257
13.2 实际应用场景和部署模式的匹配262
13.3 案例介绍264
13.4 本章小结265
· · · · · · (收起)
读后感
机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适合提高，理论深浅得当，案例也很丰富。 机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适...
评分书中的内容写的还好，从最基本的开始步步深入，而且模型很多，总体来说写的不错！但是书中开放的 github 地址有错误，有人知道正确的源码地址是啥吗？！简直了。。。。。。。。。。。知道的源码地址的希望公开一下！ 挺急的。。。。。。。。。。。。 谢了 ...
评分机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适合提高，理论深浅得当，案例也很丰富。 机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适...
评分机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适合提高，理论深浅得当，案例也很丰富。 机工的这套“智能系统与技术丛书”我买了不少，已经在书架上能排一排了，里面好书不少，这本书尤为好，适合入门，也适...
评分书中的内容写的还好，从最基本的开始步步深入，而且模型很多，总体来说写的不错！但是书中开放的 github 地址有错误，有人知道正确的源码地址是啥吗？！简直了。。。。。。。。。。。知道的源码地址的希望公开一下！ 挺急的。。。。。。。。。。。。 谢了 ...
用户评价
这本书有些部分的内容讲得有些浅显，可能是照顾到没有太多基础的读者，不过并不会觉得幼稚。对图像识别的各种应用场景以及神经网络的分类都进行了详述，算是详略得当吧，有基础的读者建议对照目录挑着感兴趣的模块来看，实战性蛮强的。
评分现在人工智能的书呜嚷呜嚷的特别多，想找一本差不多的也是鱼龙混杂难以挑选，基本都是碰运气，这本书算是运气比较好碰到的值得花钱的那种。作者算是国内比较前沿的技术人员，写得东西很贴近实际，应用性也很好。尤其是从图像识别的基础到核心技术再到应用，一步步带着你来进行，属于手把手教学了，物有所值。
评分绝对不推荐的一本书。。。 写的真的很一般的一本书，价格还死贵的。类似的书这两年没有出版100本，至少也出版了几十本。第一章简介，网上随便搜一下博客就很多；第二章只要是深度学习、机器学习的书都会讲一点（框架、numpy）；第三章KNN算法，这个很多深度学习实战的书基本上都会讲到；4、5、6三章基础内容，机器学习、深度学习的书都会介绍；后面100来页的8、9、10、11、12、13章基本上也是介绍现有的一些论文、框架、实现方法等，没有自我的什么干货。估计国内高校勤奋一点的研究生、博士生整整论文也能写出类似的东东。 达摩院出这样的书，看不出跟网上培训机构的深度学习、机器视觉视频课程有什么大的区别。
评分书前7章的内容先对来说比较简单，适合完全没有经验的新手，第8-12章写得比较深入，技术性比较强，适合提高，综合起来评价，强烈推荐。
评分作为信息专业的学生，感觉相关学科变化太快了，只从教材学东西有些不够用，也有点过时。平时喜欢跟同学凑着买一些相关领域的书，这本书算是给了我一个小小的惊喜。内容编排有点类似于教材，概念基础实例，读起来很立体，尤其是突出了案例，因为平时接触的实例较少，这本书正好能把专业知识用上，自己动手搞搞图像识别，练习一下深度学习，感觉对学习其他的相关知识都有点帮助。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有