计算机视觉从入门到进阶实战 基于PyTorch

第1章 计算机视觉与深度学习 001
1.1 计算机视觉简介 002
1.1.1 数字图像处理基础 003
1.1.2 主流计算机视觉任务 008
1.2 深度学习简介 010
1.2.1 深度学习发展简史 010
1.2.2 感知机与人工神经网络 012
1.2.3 卷积神经网络 012
1.2.4 循环神经网络 013
1.2.5 优化算法 014
1.2.6 欠拟合与过拟合 016
1.3 Python与PyTorch安装 017
1.3.1 安装Python 017
1.3.2 安装PyTorch 020
1.3.3 PyTorch核心模块 021
1.3.4 PyTorch辅组库 023
1.3.5 其他Python库 023
1.4 本章小结 025 第2章 PyTorch快速入门 026
2.1 张量Tensor 027
2.1.1 张量的数据类型 027
2.1.2 张量的生成 028
2.1.3 张量操作 034
2.1.4 张量计算 041
2.2 torch.nn模块 047
2.2.1 卷积层 047
2.2.2 池化层 049
2.2.3 填充层 051
2.2.4 激活函数层 052
2.2.5 归一化函数层 053
2.2.6 循环层 054
2.2.7 全连接层 054
2.2.8 Transformer层 055
2.3 图像数据操作和预处理 055
2.3.1 从datasets模块中导入数据并预处理 057
2.3.2 从文件夹中导入数据并进行预处理 058
2.4 优化器与损失函数 060
2.4.1 优化器 061
2.4.2 损失函数 063
2.5 预训练网络 065
2.6 GPU部署和使用 067
2.7 本章小结 068 第3章 图像分类 069
3.1 经典的深度图像分类网络 070
3.1.1 LeNet-5网络 070
3.1.2 AlexNet网络 071
3.1.3 VGG网络结构 072
3.1.4 GoogLeNet 073
3.1.5 ResNet网络 074
3.1.6 DenseNet网络 076
3.1.7 CLIP模型 078
3.2 卷积神经网络识别FashionMNIST 080
3.2.1 图像数据准备 081
3.2.2 卷积神经网络的搭建 083
3.2.3 卷积神经网络训练与预测 084
3.3 ResNet网络预测CIFAR10 089
3.3.1 图像数据准备 090
3.3.2 ResNet网络搭建 092
3.3.3 ResNet网络训练与预测 096
3.4 微调预训练的卷积网络 101
3.4.1 微调预训练的VGG网络 102
3.4.2 准备新网络需要的数据 104
3.4.3 微调VGG网络的训练和预测 106
3.5 卷积网络可视化 108
3.5.1 网络中间特征可视化 109
3.5.2 类激活热力图可视化 112
3.6 CLIP模型应用 116
3.6.1 CLIP零样本学习 117
3.6.2 CIFAR10使用CLIP特征分类 118
3.7 本章小结 120 第4章 目标检测与识别 121
4.1 目标检测方法 122
4.1.1 目标检测算法分类 122
4.1.2 目标检测评价指标 122
4.1.3 目标检测常用损失函数 123
4.1.4 锚框与非极大值抑制 125
4.2 经典的目标检测网络 126
4.2.1 R-CNN系列网络 126
4.2.2 YOLO系列网络 129
4.2.3 SSD系列网络 132
4.2.4 其他目标检测网络 135
4.3 使用预训练的目标检测网络 138
4.3.1 目标检测常用数据集 138
4.3.2 图像目标检测 139
4.3.3 人体关键点检测 140
4.4 训练自己的YOLOv3目标检测网络 142
4.4.1 PASCAL VOC数据准备 143
4.4.2 YOLOv3网络搭建 154
4.4.3 YOLOv3网络训练 158
4.4.4 YOLOv3目标检测 163
4.5 本章小结 164 第5章 语义分割 165
5.1 语义分割方法 166
5.2 经典的语义分割网络 167
5.2.1 FCN 167
5.2.2 SegNet 169
5.2.3 U-Net 169
5.2.4 DeepLab系列 170
5.2.5 PSPNet 172
5.2.6 SAM 172
5.3 使用预训练的语义分割网络 173
5.3.1 使用预训练网络 173
5.3.2 语义分割评价指标 176
5.4 训练自己的语义分割网络 176
5.4.1 数据准备 177
5.4.2 FCN语义分割网络 186
5.4.3 U-Net语义分割网络 194
5.5 本章小结 201 第6章 注意力机制与Transformer 202
6.1 经典的注意力模型 204
6.1.1 SE-Net 204
6.1.2 SPANet 205
6.1.3 CBAM 206
6.1.4 Transformer 207
6.1.5 ViT 209
6.1.6 Swin Transformer 210
6.2 PyTorch预训练ViT网络应用 211
6.2.1 预训练ViT网络导入 212
6.2.2 CIFAR100数据准备 213
6.2.3 预训练ViT网络训练与预测 214
6.3 ViT网络图像分类 218
6.3.1 ViT网络搭建 220
6.3.2 CIFAR00数据准备 224
6.3.3 ViT网络训练与预测 226
6.4 本章小结 228 第7章 图像风格迁移 229
7.1 经典的图像风格迁移方法 230
7.1.1 固定风格固定内容的风格迁移 231
7.1.2 固定风格任意内容的风格迁移 233
7.1.3 任意风格任意内容的风格迁移 234
7.1.4 基于Gan的图像风格迁移 236
7.2 固定风格固定内容的风格迁移 239
7.2.1 准备VGG19网络 239
7.2.2 图像数据准备 240
7.2.3 图像的输出特征和Gram矩阵的计算 242
7.2.4 进行图像风格迁移 244
7.3 固定风格任意内容的风格迁移 247
7.3.1 快速风格迁移网络准备 247
7.3.2 快速风格迁移数据准备 251
7.3.3 快速风格迁移网络训练和结果展示 253
7.4 CycleGan风格迁移 260
7.4.1 CycleGan网络搭建 260
7.4.2 非成对图像数据准备 263
7.4.3 网络训练 265
7.4.4 图像转换结果展示 270
7.5 本章小结 271 第8章 自编码器与扩散模型 272
8.1 自编器模型与扩散模型介绍 273
8.1.1 自编码器原理 273
8.1.2 变分自编码器 274
8.1.3 VQ-VAE图像生成 275
8.1.4 Stable Diffusion图像生成 276
8.2 自编码器图像重构 278
8.2.1 自编码网络数据准备 279
8.2.2 自编码网络的构建 281
8.2.3 自编码网络的训练 282
8.2.4 自编码网络的数据重构 283
8.2.5 网络的编码特征可视化 284
8.3 自编码器图像去噪 285
8.3.1 数据准备 286
8.3.2 网络搭建 289
8.3.3 网络训练与预测 291
8.4 Stable Diffusion图像生成 296
8.4.1 数据准备 296
8.4.2 网络搭建 298
8.4.3 网络训练与预测 310
8.5 本章小结 312 第9章 迁移学习与域自适应 313
9.1 迁移学习简介 314
9.1.1 迁移学习的定义 314
9.1.2 为什么需要迁移学习 315
9.1.3 迁移学习的分类 316
9.1.4 度量准则 318
9.2 经典的迁移学习算法 319
9.2.1 基于深度迁移的finetune模型 319
9.2.2 基于对抗学习的迁移学习 320
9.2.3 基于对齐的迁移学习 324
9.2.4 基于伪标签的迁移学习 326
9.2.5 其他迁移学习损失函数 328
9.3 迁移学习图像分类实战 328
9.3.1 数据和网络准备工作 329
9.3.2 基于微调的迁移学习 335
9.3.3 基于对齐的迁移学习 338
9.3.4 基于对抗的迁移学习 343
9.3.5 基于目标域标签互信息的迁移学习 347
9.4 本章小结 351 参考文献 352