CNN《实用卷积神经网络运用Python实现高级深度学习模型》P

CNN正在革新几个应用领域，如视觉识别系统、自动驾驶汽车、医学发现、创新电子商务等。需要在专业项目或个人方案中利用复杂的图像和视频数据集来实现先进、有效和高效的CNN模型。

推荐学习《实用卷积神经网络运用Python实现高级深度学习模型》，学习实现高级视觉相关算法和解决方案，用于目标检测、实例分割、生成式（对抗）网络、图像捕捉、注意力机制以及循环视觉注意模型。动手实践最有趣的视觉模型和架构，探索CNN和计算机视觉领域最前沿的研究。

《实用卷积神经网络运用Python实现高级深度学习模型》中文PDF，199页，带目录，文字可复制。

《实用卷积神经网络运用Python实现高级深度学习模型》英文PDF，211页，带书签，文字可复制。

配套源代码。

下载: https://pan.baidu.com/s/1rvnXAMXwd0-BYtf70omqWA

提取码: b6yy

《实用卷积神经网络运用Python实现高级深度学习模型》主要用Python语言构建CNN，主要利用各种Python和深度学习库（如Keras，TensorFlow和Caffe）来构建真实世界的应用程序。从构建CNN块开始，指导实现真实的CNN模型及解决方案。学习创建图像和视频的创新解决方案，以解决复杂的机器学习和计算机视觉问题。

共9章内容，其中第3章从零开始针对图像分类问题构建一个简单的CNN，并阐明如何调整参数、优化训练时间以及CNN的性能，以分别提高效率和准确率。第7章讲授目标检测、实例分割和图像分类的区别。

然后介绍多种使用CNN进行目标检测和实例分割的技术。第8章探究生成式CNN网络，然后将其与我们学习得到的有识别力的CNN网络相结合，用CNN/GAN创造新的图像。

从深度神经网络概述开始，通过一个图像分类的例子构建第一个CNN模型。将学习一些概念，如转移学习、CNN自编码器等，这些概念将帮助构建非常强大的模型，即使只有有限的监督学习（有标签图像）训练集。