|
|
|
本書對二維、三維目標檢測技術涉及的骨幹網絡及入門必備的計算機視覺算法進行全面的介紹。本書由淺入深地介紹了MNIST、ImageNet、CIFAR、波士頓房產、ModelNet等經典二維、三維數據集和相關國際賽事，還介紹了TensorFlow中的二維卷積層、全連接層、激活層、池化層、批次歸一化層、隨機失活層的算法和梯度下降原理，AlexNet、VGG、ResNet、DarkNet、CSP-DarkNet等經典骨幹網絡的設計原理，以及PointNet、GCN等三維計算機視覺神經網絡。此外，本書通過設計巧妙且具體的案例，讓讀者穩步建立紮實的編程能力，包括數據集的製作和解析、神經網絡模型設計能力和開銷估算、損失函數的設計、神經網絡的動態模式和靜態模式的訓練方法和過程控制、神經網絡的邊緣計算模型量化、神經網絡的雲計算部署。
完成本書的學習，讀者可以繼續閱讀與本書緊密銜接的《深入理解計算機視覺：在邊緣端構建高效的目標檢測系統》，將所學的計算機視覺基礎知識運用到目標檢測的神經網絡設計中，對邊緣計算環境下的神經網絡進行游刃有餘的調整。
