PyTorch計算機視覺實戰(zhàn)：目標檢測、圖像處理與深度學習

CONTENTS
目　　錄
譯者序
前言
第一部分　面向計算機視覺的
深度學習基礎知識
第1章　人工神經(jīng)網(wǎng)絡基礎　2
1.1　比較人工智能與傳統(tǒng)機器學習　3
1.2　人工神經(jīng)網(wǎng)絡的構建模塊　4
1.3　實現(xiàn)前向傳播　6
1.3.1　計算隱藏層的值　6
1.3.2　應用激活函數(shù)　7
1.3.3　計算輸出層的值　9
1.3.4　計算損失值　9
1.3.5　前向傳播的代碼　11
1.4　實現(xiàn)反向傳播　14
1.4.1　梯度下降的代碼　15
1.4.2　使用鏈式法則實現(xiàn)
反向傳播　17
1.5　整合前向傳播與反向傳播　20
1.6　理解學習率的影響　22
1.7　總結神經(jīng)網(wǎng)絡的訓練過程　28
1.8　小結　29
1.9　課后習題　29
第2章　PyTorch基礎　30
2.1　安裝PyTorch　30
2.2　PyTorch張量　32
2.2.1　初始化張量　33
2.2.2　張量運算　34
2.2.3　張量對象的自動梯度　37
2.2.4　PyTorch的張量較
NumPy的ndarrays
的優(yōu)勢　38
2.3　使用PyTorch構建神經(jīng)網(wǎng)絡　39
2.3.1　數(shù)據(jù)集、數(shù)據(jù)加載器和
批大小　45
2.3.2　預測新的數(shù)據(jù)點　48
2.3.3　實現(xiàn)自定義損失函數(shù)　49
2.3.4　獲取中間層的值　50
2.4　使用序貫方法構建神經(jīng)網(wǎng)絡　51
2.5　保存并加載PyTorch模型　54
2.5.1　state dict　54
2.5.2　保存　55
2.5.3　加載　55
2.6　小結　55
2.7　課后習題　56
第3章　使用PyTorch構建深度
神經(jīng)網(wǎng)絡　57
3.1　表示圖像　57
3.2　為什么要使用神經(jīng)網(wǎng)絡進行
圖像分析　62
3.3　為圖像分類準備數(shù)據(jù)　64
3.4　訓練神經(jīng)網(wǎng)絡　66
3.5　縮放數(shù)據(jù)集以提升模型準確度　71
3.6　理解不同批大小的影響　74
3.6.1　批大小為32　75
3.6.2　批大小為10 000　79
3.7　理解不同損失優(yōu)化器的影響　80
3.8　理解不同學習率的影響　83
3.8.1　學習率對縮放數(shù)據(jù)集
的影響　83
3.8.2　不同學習率對非縮放
數(shù)據(jù)集的影響　88
3.9　理解不同學習率衰減的影響　90
3.10　構建更深的神經(jīng)網(wǎng)絡　93
3.11　理解不同批歸一化的影響　94
3.11.1　沒有批歸一化的非常小
的輸入值　96
3.11.2　經(jīng)過批歸一化的非常小
的輸入值　98
3.12　過擬合的概念　100
3.12.1　添加dropout的影響　100
3.12.2　正則化的影響　102
3.13　小結　106
3.14　課后習題　106
第二部分　物體分類與目標檢測
第4章　卷積神經(jīng)網(wǎng)絡　108
4.1　傳統(tǒng)深度神經(jīng)網(wǎng)絡的問題　108
4.2　CNN的構建模塊　111
4.2.1　卷積　112
4.2.2　濾波器　113
4.2.3　步長和填充　114
4.2.4　池化　115
4.2.5　整合各個構建模塊　116
4.2.6　卷積和池化的圖像平移
不變性原理　117
4.3　實現(xiàn)CNN　117
4.3.1　使用PyTorch構建基于
CNN的架構　118
4.3.2　基于Python的前向傳播　121
4.4　使用深度CNN分類圖像　123
4.5　實現(xiàn)數(shù)據(jù)增強　127
4.5.1　圖像增強　127
4.5.2　對一批圖像執(zhí)行數(shù)據(jù)增強
及collate_fn的必要性　137
4.5.3　用于圖像平移的數(shù)據(jù)
增強　140
4.6　特征學習結果的可視化　143
4.7　構建對真實圖像進行分類
的CNN　153
4.8　小結　161
4.9　課后習題　162
第5章　面向圖像分類的遷移學習　163
5.1　遷移學習簡介　163
5.2　理解VGG16架構　164
5.3　理解ResNet架構　174
5.4　實現(xiàn)人臉關鍵點檢測　178
5.5　多任務學習—實現(xiàn)年齡估計
和性別分類　186
5.6　torch_snippets庫簡介　195
5.7　小結　200
5.8　課后習題　200
第6章　圖像分類的實戰(zhàn)技術　201
6.1　生成CAM　201
6.2　數(shù)據(jù)增強和批歸一化　207
6.3　模型實現(xiàn)的實踐要點　212
6.3.1　處理不平衡數(shù)據(jù)　212
6.3.2　分類圖像中目標的大小　213
6.3.3　訓練數(shù)據(jù)和驗證數(shù)據(jù)
之間的差異　213
6.3.4　扁平層中的節(jié)點數(shù)　214
6.3.5　圖像的大小　214
6.3.6　使用OpenCV實用程序　214
6.4　小結　215
6.5　課后習題　215
第7章　目標檢測基礎　216
7.1　目標檢測簡介　216
7.2　為訓練圖像樣本創(chuàng)建真值　217
7.3　理解區(qū)域建議　220
7.3.1　使用SelectiveSearch
生成區(qū)域建議　221
7.3.2　實現(xiàn)用于生成區(qū)域建議
的SelectiveSearch　222
7.4　理解IoU　224
7.5　非極大抑制　226
7.6　mAP　226
7.7　訓練基于R-CNN的定制目標
檢測器　227
7.7.1　R-CNN的工作細節(jié)　227
7.7.2　基于定制數(shù)據(jù)集實現(xiàn)
R-CNN目標檢測模型　228
7.8　訓練基于Fast R-CNN的定制
目標檢測器　241
7.8.1　Fast R-CNN的工作細節(jié)　242
7.8.2　基于定制數(shù)據(jù)集實現(xiàn)Fast R-CNN目標檢測模型　242
7.9　小結　249
7.10　課后習題　249
第8章　目標檢測進階　250
8.1　現(xiàn)代目標檢測算法的組成　250
8.1.1　錨盒　250
8.1.2　區(qū)域建議網(wǎng)絡　252
8.2　基于定制數(shù)據(jù)集訓練Faster
R-CNN　254
8.3　YOLO的工作細節(jié)　260
8.4　基于定制數(shù)據(jù)集訓練YOLO　265
8.4.1　安裝Darknet　265
8.4.2　設置數(shù)據(jù)集格式　267
8.4.3　配置架構　268
8.4.4　訓練和測試模型　269
8.5　SSD模型的工作細節(jié)　270
8.6　基于定制數(shù)據(jù)集訓練SSD
模型　274
8.7　小結　278
8.8　課后習題　278
第9章　圖像分割　279
9.1　探索U-Net架構　279
9.2　使用U-Net實現(xiàn)語義分割　283
9.3　探索Mask R-CNN架構　288
9.3.1　RoI對齊　290
9.3.2　掩碼頭部　291
9.4　使用Mask R-CNN實現(xiàn)實例
分割　292
9.5　小結　305
9.6　課后習題　306
第10章　目標檢測與分割的應用　307
10.1　多目標實例分割　307
10.1.1　獲取和準備數(shù)據(jù)　308
10.1.2　訓練用于實例分割的
模型　312
10.1.3　對新圖像進行推斷　313
10.2　人體姿態(tài)檢測　315
10.3　人群計數(shù)　316
10.4　圖像著色　325
10.5　面向點云的三維目標檢測　330
10.5.1　理論　330
10.5.2　訓練YOLO模型實現(xiàn)
三維目標檢測　334
10.6　小結　337
第三部分　圖像處理
第11章　自編碼器與圖像處理　340
11.1　理解自編碼器　340
11.2　理解卷積自編碼器　346
11.3　理解變分自編碼器　351
11.3.1　VAE的工作機制　352
11.3.2　KL散度　353
11.3.3　構建VAE模型　353
11.4　圖像對抗性攻擊　357
11.5　圖像風格遷移　360
11.6　生成深度虛擬圖像　366
11.7　小結　375
11.8　課后習題　375
第12章　基于GAN的圖像生成　376
12.1　GAN模型簡介　376
12.2　使用GAN生成手寫數(shù)字　378
12.3　使用DCGAN生成人臉圖像　383
12.4　實現(xiàn)條件GAN模型　391
12.5　小結　399
12.6　課后習題　400
第13章　高級GAN圖像處理　401
13.1　使用Pix2Pix GAN模型　401
13.2　使用CycleGAN模型　410
13.3　在定制圖像上使用StyleGAN
模型　418
13.4　超分辨率GAN　426
13.4.1　架構　427
13.4.2　編碼SRGAN　428
13.5　小結　429
13.6　課后習題　430
第四部分　計算機視覺與其他技術
第14章　使用小樣本進行模型訓練　432
14.1　實現(xiàn)零樣本學習　432
14.2　實現(xiàn)小樣本學習　437
14.2.1　構建Siamese網(wǎng)絡　438
14.2.2　原型網(wǎng)絡的工作細節(jié)　444
14.2.3　關系網(wǎng)絡的工作細節(jié)　445
14.3　小結　446
14.4　課后習題　446
第15章　計算機視覺與NLP　447
15.1　RNN模型簡介　447
15.1.1　RNN架構的應用場景　448
15.1.2　探索RNN的結構　449
15.1.3　為什么需要存儲記憶　449
15.2　LSTM架構簡介　450
15.2.1　LSTM的工作細節(jié)　451
15.2.2　使用PyTorch實現(xiàn)
LSTM　453
15.3　生成圖像標題　453
15.4　轉錄手寫圖像　465
15.4.1　CTC損失的工作細節(jié)　466
15.4.2　計算CTC損失值　467
15.4.3　手寫轉錄的代碼實現(xiàn)　468
15.5　使用DETR進行目標檢測　476
15.5.1　transformer的工作細節(jié)　476
15.5.2　DETR的工作細節(jié)　479
15.5.3　目標檢測的代碼實現(xiàn)　482
15.6　小結　485
15.7　課后習題　485
第16章　計算機視覺與強化學習　486
16.1　強化學習基礎知識　486
16.1.1　計算狀態(tài)價值　487
16.1.2　計算狀態(tài)–行為價值　488
16.2　實現(xiàn)Q學習　489
16.2.1　Q值　489
16.2.2　了解Gym環(huán)境　490
16.2.3　構建Q表　491
16.2.4　探索–利用機制　493
16.3　實現(xiàn)深度Q學習　495
16.4　目標固定的深度Q學習　501
16.5　實現(xiàn)自動駕駛智能體　508
16.5.1　安裝CARLA環(huán)境　508
16.5.2　訓練自動駕駛智能體　511
16.6　小結　518
16.7　課后習題　519
第17章　模型的實際應用部署　520
17.1　API基礎知識　520
17.2　在本地服務器上創(chuàng)建API并
進行預測　521
17.2.1　安裝API模塊和依賴項　522
17.2.2　圖像分類器的支持組件　522
17.3　將API部署到云端　525
17.3.1　Docker鏡像與Docker
容器　526
17.3.2　創(chuàng)建Docker容器　526
17.3.3　在云端發(fā)布并運行
Docker容器　530
17.4　小結　535
第18章　使用OpenCV實用程序
進行圖像分析　536
18.1　圖像中的單詞檢測　536
18.2　圖像中的車道線檢測　542
18.3　基于顏色的目標檢測　544
18.4　構建全景圖像　546
18.5　圖像中的車牌檢測　550
18.6　小結　552
附錄　課后習題答案　554