本书主要介绍作者近年来在深度学习与图像处理等方面的研究成果,包括图像去模糊、视频信息缺失补全、图像分类识别、图像领域自适应、多源跨域图像迁移学习相关理论和方法,用到的模型主要包括多尺度编解码深度卷积神经网络、多尺度特征金字塔网络、双判别器生成对抗网络、渐进增长生成对抗网络、贝叶斯正则化深度卷积神经网络、深度对抗域自适应网络、深度加权子域自适应网络等。
样章试读
目录
- 目录
“信息科学技术学术著作丛书”序
前言
第1章图像去模糊方法1
1.1多尺度编解码深度卷积神经网络图像去模糊1
1.1.1图像特征提取模块1
1.1.2网络结构模型5
1.1.3实验与分析10
1.2多尺度特征金字塔网络图像去模糊16
1.2.1特征金字塔网络原理16
1.2.2网络结构模型17
1.2.3实验与分析22
1.3本章小结25
参考文献26
第2章视频信息缺失补全27
2.1基于双判别器生成对抗网络的视频单帧补全28
2.1.1网络模型28
2.1.2损失函数30
2.1.3实验与分析31
2.2基于渐进增长生成对抗网络的视频多帧补全36
2.2.1网络模型36
2.2.2实验与分析39
2.3本章小结43参考文献43
第3章图像分类识别45
3.1基于卷积神经网络的图像分类识别46
3.1.1卷积神经网络模型和结构设计46
3.1.2实验与分析49
3.2基于贝叶斯正则化深度卷积神经网络的图像分类50
3.2.1深度卷积神经网络的贝叶斯学习方法50
3.2.2实验与分析53
3.3本章小结56
参考文献56
第4章图像领域自适应58
4.1基于深度对抗域自适应网络的图像识别58
4.1.1深度对抗域自适应网络58
4.1.2实验与分析61
4.2基于深度加权子域自适应网络的图像识别63
4.2.1深度加权子域自适应网络63
4.2.2实验与分析66
4.3基于自监督任务最优选择的无监督域自适应68
4.3.1无监督域自适应网络68
4.3.2实验与分析72
4.4本章小结74
参考文献75
第5章多源跨域图像迁移学习76
5.1基于自监督任务的多源无监督域自适应77
5.1.1多源无监督域自适应网络77
5.1.2实验与分析81
5.2序贯式多源域自适应85
5.2.1序贯式多源域自适应方法85
5.2.2实验与分析89
5.3基于相似性度量的多源到多目标域适应93
5.3.1基于相似性度量的多源到多目标域适应方法93
5.3.2实验与分析97
5.4本章小结100
参考文献101