dlcv_for_beginners

Kode pendukung "pembelajaran mendalam dan visi komputer"

Terima kasih atas berbagai pertanyaan yang diajukan dalam masalah ini. Karena belum diperbarui terlalu lama, saya awalnya berencana untuk berkonsentrasi pada pembaruan sebelum Festival Musim Semi, tetapi setelah membacanya, saya merasa bahwa saya tidak dapat memulai. Selain itu, saya telah berdiskusi dengan editor perusahaan buku bahwa saya tidak boleh merilis edisi kedua atau versi cetak ulang, jadi saya memutuskan untuk menyerah ...

Salah satu kesalahan yang saya temukan sendiri adalah tentang nilai eigen. SVD tidak digunakan untuk matriks yang pasti terbalik, tetapi untuk matriks asimetris. Untuk detailnya, silakan merujuk ke Jawaban Zhihu yang Diperbarui: https://www.zhihu.com/question/20507061/answer/120540926 Errata di bagian lain sudah ada di errata.pdf, atau diskusi semua orang yang pada dasarnya adalah benar.

Repo ini tidak diharapkan diperbarui lagi (terus terang, paruh kedua buku ini sudah ketinggalan zaman). Jika Anda memiliki pertanyaan, silakan kirimi saya pesan pribadi kepada saya: yeyun11

Saya berharap Anda semua tahun baru yang bahagia, Malam Tahun Baru 2020

_

Awalnya bernama "Deep Learning dan Visi Komputer: Pengantar Contoh", harap dicatat: Buku ini diposisikan sebagai pengantar .

Klik di sini untuk kode. Untuk mengunduh semua versi warna elektronik, silakan merujuk ke versi online Bab 5 dan Bab 6 untuk bagan warna: Bab 5, Bab 5, Bab 6.

Untuk beberapa alasan yang tidak dapat saya pahami, buku bahasa Inggris dalam bahasa Inggris diminta oleh penerbit untuk diterjemahkan secara paksa. Akhirnya: 1) Beberapa bahasa Inggris diterjemahkan ke dalam bahasa Cina ke berbagai tingkat, dan 2) daftar dokumen yang menyumbang mayoritas dokumen bahasa Inggris tidak dapat dimasukkan dalam buku ini. Daftar kutipan ada di sini.

Silakan datang ke sini untuk kesalahan dalam konten. Errata ada di sini.

Tautan Beli: JD.com, Amazon, Dangdang

Panduan Kode Cepat

Bab 5: Contoh Visualisasi Numpy dan Matplotlib Bab 6: Widget Anotasi Deteksi Objek dan Widget Peningkatan Data Lokal Bab 7: Klasifikasi Pesawat Dua Dimensi, Berdasarkan Kafe dan MXNet Masing
Bab 8: Klasifikasi Mnist, berdasarkan Caffe dan MXNet masing -masing
Bab 9: Gelar Kekacauan Gambar Berdasarkan Regresi Caffe dan Visualisasi Kernel Konvolusi Bab 10: Transfer Pembelajaran Model Klasifikasi Makanan, Matriks Kebingungan, Gambar Kurva ROC dan Visualisasi Grafik Respons Kategori Model, Berdasarkan Caffe
Bab 12: Menggunakan Mnist untuk Melatih Jaringan Siam, Visualisasi T-SNE, Berdasarkan Caffe
Buku ini tidak termasuk lain-lain: termasuk pembuatan sampel permusuhan (CAFFE), GAN dua dimensi dan visualisasi proses pelatihan (Pytorch), mosaik otomatis gambar pornografi (caffe), model fusion (CAFFE), Segmentasi Gambar (PyTorch)
Model pemangkasan (pytorch)