本書主要介紹作者近年來在深度學習與圖像處理等方面的研究成果,包括圖像去模糊、視頻信息缺失補全、圖像分類識別、圖像領域自適應、多源跨域圖像遷移學習相關理論和方法,用到的模型主要包括多尺度編解碼深度卷積神經網絡、多尺度特征金字塔網絡、雙判別器生成對抗網絡、漸進增長生成對抗網絡、貝葉斯正則化深度卷積神經網絡、深度對抗域自適應網絡、深度加權子域自適應網絡等。
更多科學出版社服務,請掃碼獲取。
目錄
“信息科學技術學術著作叢書”序
前言
第1章圖像去模糊方法1
1.1多尺度編解碼深度卷積神經網絡圖像去模糊1
1.1.1圖像特征提取模塊1
1.1.2網絡結構模型5
1.1.3實驗與分析10
1.2多尺度特征金字塔網絡圖像去模糊16
1.2.1特征金字塔網絡原理16
1.2.2網絡結構模型17
1.2.3實驗與分析22
1.3本章小結25
參考文獻26
第2章視頻信息缺失補全27
2.1基于雙判別器生成對抗網絡的視頻單幀補全28
2.1.1網絡模型28
2.1.2損失函數30
2.1.3實驗與分析31
2.2基于漸進增長生成對抗網絡的視頻多幀補全36
2.2.1網絡模型36
2.2.2實驗與分析39
2.3本章小結43參考文獻43
第3章圖像分類識別45
3.1基于卷積神經網絡的圖像分類識別46
3.1.1卷積神經網絡模型和結構設計46
3.1.2實驗與分析49
3.2基于貝葉斯正則化深度卷積神經網絡的圖像分類50
3.2.1深度卷積神經網絡的貝葉斯學習方法50
3.2.2實驗與分析53
3.3本章小結56
參考文獻56
第4章圖像領域自適應58
4.1基于深度對抗域自適應網絡的圖像識別58
4.1.1深度對抗域自適應網絡58
4.1.2實驗與分析61
4.2基于深度加權子域自適應網絡的圖像識別63
4.2.1深度加權子域自適應網絡63
4.2.2實驗與分析66
4.3基于自監(jiān)督任務最優(yōu)選擇的無監(jiān)督域自適應68
4.3.1無監(jiān)督域自適應網絡68
4.3.2實驗與分析72
4.4本章小結74
參考文獻75
第5章多源跨域圖像遷移學習76
5.1基于自監(jiān)督任務的多源無監(jiān)督域自適應77
5.1.1多源無監(jiān)督域自適應網絡77
5.1.2實驗與分析81
5.2序貫式多源域自適應85
5.2.1序貫式多源域自適應方法85
5.2.2實驗與分析89
5.3基于相似性度量的多源到多目標域適應93
5.3.1基于相似性度量的多源到多目標域適應方法93
5.3.2實驗與分析97
5.4本章小結100
參考文獻101