少妇无码自拍高清,2025日本人人爽人人爽

深度學習是機器學習領域中一個新的研究方向，也是機器學習領域中近年來發(fā)展最快的一個分支，在語音和圖像識別方面具有突出優(yōu)勢，極大推動了人工智能技術的發(fā)展。本書介紹了深度卷積神經網絡、理論基礎、面向真實世界的單幀圖像超分辨率重建技術研究、面向真實世界的單幀圖像超分辨率重建技術研究、雙波段異源圖像檢測跟蹤成像技術應用研究、基于回歸網絡的單幅圖像超分辨重建代碼實例等。

第章緒論//

11光電成像探測技術發(fā)展概況//
111光電成像系統(tǒng)發(fā)展瓶頸//
112融合技術國內外研究現狀//
12本書主要章節(jié)組織安排//

第章深度卷積神經網絡//

21引言//
22CNN基礎操作//
221卷積操作//
222池化操作//
223激活層//
224批歸一化層//
225全連接層//
226小結//
23常見的CNN模型結構//
231LeNet//
232AlexNet//
233VGGNet//
234GoogLeNet//
235ResNet//
236小結//
24常見目標損失函數//
241交叉熵損失函數//
242平均絕對誤差損失函數//
243均方差損失函數//
244小結//
25網絡參數與超參數//
251參數和超參數區(qū)別//
252參數類別//
253超參數調優(yōu)//
254小結//

第章基于深度學習的紅外與微光圖像處理理論基礎//

31異源圖像融合相關理論基礎//
311紅外與可見光成像機理//
312異源圖像融合基本流程與算法//
313圖像融合質量評價//
32圖像超分辨率成像相關理論基礎//
321圖像退化正向模型//
322相機的離散采樣理論//
323成像系統(tǒng)分辨率因素//
33圖像超分辨率重建方法概述//
331基于插值的單幀圖像超分辨率重建技術//
332多幀圖像超分辨率重建技術//
333基于融合神經網絡的單幀圖像超分辨率重建技術//

第章面向真實世界的單幀圖像超分辨率重建技術研究//

41引言//
42基于編-解碼策略的單幀紅外圖像超分辨率重建//
421網絡結構//
422實驗結果與分析//
43基于雙路傳播的偽彩色紅外圖像超分辨率重建//
431引言//
432基于雙路傳播的高分辨率彩色重建網絡//
433實驗結果與分析//
44基于回歸網絡的單幅圖像超分辨率重建//
441引言//
442網絡基本構建模塊//
443基于閉環(huán)回歸的圖像超分辨率網絡及算法//
444實驗結果與分析//
45基于真實世界數據集構建//
451引言//
452薄透鏡成像原理//
453采集圖像預處理//

第章基于暗弱場景下微光圖像超分辨率成像技術研究//

51引言//
52算法思路與網絡結構//
53分析與討論//
531數據集建立//
532實驗設置//

第章跨模態(tài)異源圖像高分辨率成像技術研究//

61引言//
62算法思路與流程//
621語義分割//
622風格遷移//
63融合神經網絡構建//
64實驗結果與分析//

第章雙波段異源圖像檢測跟蹤成像技術應用研究//

71引言//
72基于YOLOv5的目標檢測識別技術研究//
721網絡模型//
722實驗結果與分析//
73基于孿生網絡的目標跟蹤技術研究//
731基準網絡框架//
732網絡模型//
733實驗結果與分析//

第章單幅圖像超分辨率重建算法部署與應用//

81軟硬件基礎//
811計算機系統(tǒng)//
812軟件下載//
82環(huán)境配置//
821配置鏡像源//
822終端操作//
823常用命令操作//
83數據集//
831公開數據集//
832數據集制作//
84代碼實例//
841文件組織架構//
842關于__init__py//
843數據加載//
844模型設計//
845損失函數和優(yōu)化器//
846訓練//
847測試//
848結果展示//

參考文獻//

你還可能感興趣

我要評論