0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 计算机网络 > 小波变换与深度学习图像处理

相同语种的商品

销售排行榜

浏览历史

小波变换与深度学习图像处理


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
小波变换与深度学习图像处理
  • 书号：9787030796561
    作者：李朝荣
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：256
    字数：332000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2024-10-01
  • 所属分类：计算机网络
  • 定价： ￥148.00元
    售价： ￥116.92元
  • 图书介质:
    纸质书 按需印刷

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书结合小波变换和深度学习这两种先进的技术手段，系统地设计多种小波域上的依赖关系，对小波变换域联合建模进行深入的研究，从而显著地提高小波对图像特征的表示能力，并推动小波分析在理论和应用方面的发展。本书首先介绍小波变换的基本原理和相关的数学知识，以及小波变换在图像处理中的应用；其次详细地讲解深度学习相关的理论知识和常用的图像处理方法；然后详细地介绍深度神经网络的基础理论和网络组件，以案例形式介绍PyTorch深度学习框架；最后，详细地介绍深度神经网络常用网络组件和模型，重点介绍和分析ResNet模型、Transformer模型，以及现在主流的深度神经网络模型。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 图像特征表示概述 1
    1.1 图像特征表示方法 1
    1.2 图像表示面临的一些问题 7
    1.3 图像表示的应用 8参考文献 10
    第2章 小波变换理论 15
    2.1 传统小波变换 15
    2.2 复数小波变换 22
    2.3 方向小波变换 27
    2.4 小波散射变换与散射网络 30
    2.5 本章小结 31参考文献 31
    第3章 Copula理论及其参数估计 34
    3.1 Copula理论 34
    3.2 Copula参数估计 39
    3.3 协方差模型 45
    3.4 正态分布（高斯分布） 46
    3.5 本章小结 47
    参考文献 47
    第4章 小波域 Copula多维模型纹理检索 48
    4.1 概述 48
    4.2 小波域依赖关系 49
    4.3 小波域 Copula多维模型 51
    4.4 纹理图像检索与实验结果分析 58
    4.5 本章小结 60
    参考文献 61
    第5章 基于小波变换的旋转不变图像识别 64
    5.1 概述 64
    5.2 CSGW 65
    5.3 GW/CSGW域旋转不变 Copula模型 66
    5.4 实验与分析 72
    5.5 本章小结 77
    参考文献 79
    第6章 多种小波域统计模型及其深度特征融合 82
    6.1 概述 82
    6.2 背景和动机 84
    6.3 MDCM 85
    6.4 小波域 MDCM图像表示 87
    6.5 多种小波域 MDCM及其深度特征融合 91
    6.6 实验与分析 91
    6.7 本章小结 100
    参考文献 100
    第7章 Gabor小波特征学习人脸识别 105
    7.1 概述 105
    7.2 相关工作 107
    7.3 LCMoG-CNN人脸特征提取 108
    7.4 LGMoG-LWPZ人脸特征提取 110
    7.5 实验与分析 112
    7.6 综合分析 118
    7.7 本章小结 121
    参考文献 122
    第8章 Gabor变换域高斯嵌入与深度网络融合人脸识别 126
    8.1 概述 126
    8.2 相关工作 128
    8.3 Gabor小波 130
    8.4 线性空间中的高斯嵌入和向量化 131
    8.5 LGLG人脸识别 134
    8.6 实验与分析 139
    8.7 本章小结 149
    参考文献 149
    第9章 深度神经网络基础 156
    9.1 神经网络基础 156
    9.2 全连接神经网络 158
    9.3 卷积神经网络 169
    9.4 本章小结 184
    参考文献 184
    第10章 PyTorch深度学习框架 185
    10.1 PyTorch安装 185
    10.2 PyTorch基础 186
    10.3广播机制 191
    10.4 PyTorch求导功能 192
    10.5神经网络设计 194
    10.6 图像分类案例 199
    10.7 PyTorch-Lightning 212
    10.8 本章小结 218
    第11章 常见深度神经网络模型 219
    11.1 ResNet模型与关键代码分析 219
    11.2编码-解码模型 222
    11.3 Transformer模型 226
    11.4视觉Transformer（ViT）与关键代码分析 237
    11.5 RNN模型原理与实现 242
    11.6 GAN模型原理与实现 250
    11.7本章小结 255
    参考文献 256
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com