目錄
“信息科學(xué)技術(shù)學(xué)術(shù)著作叢書(shū)”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(jīng)網(wǎng)絡(luò)圖像去模糊1
1.1.1圖像特征提取模塊1
1.1.2網(wǎng)絡(luò)結(jié)構(gòu)模型5
1.1.3實(shí)驗(yàn)與分析10
1.2多尺度特征金字塔網(wǎng)絡(luò)圖像去模糊16
1.2.1特征金字塔網(wǎng)絡(luò)原理16
1.2.2網(wǎng)絡(luò)結(jié)構(gòu)模型17
1.2.3實(shí)驗(yàn)與分析22
1.3本章小結(jié)25
參考文獻(xiàn)26
第2章視頻信息缺失補(bǔ)全27
2.1基于雙判別器生成對(duì)抗網(wǎng)絡(luò)的視頻單幀補(bǔ)全28
2.1.1網(wǎng)絡(luò)模型28
2.1.2損失函數(shù)30
2.1.3實(shí)驗(yàn)與分析31
2.2基于漸進(jìn)增長(zhǎng)生成對(duì)抗網(wǎng)絡(luò)的視頻多幀補(bǔ)全36
2.2.1網(wǎng)絡(luò)模型36
2.2.2實(shí)驗(yàn)與分析39
2.3本章小結(jié)43參考文獻(xiàn)43
第3章圖像分類(lèi)識(shí)別45
3.1基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)識(shí)別46
3.1.1卷積神經(jīng)網(wǎng)絡(luò)模型和結(jié)構(gòu)設(shè)計(jì)46
3.1.2實(shí)驗(yàn)與分析49
3.2基于貝葉斯正則化深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)50
3.2.1深度卷積神經(jīng)網(wǎng)絡(luò)的貝葉斯學(xué)習(xí)方法50
3.2.2實(shí)驗(yàn)與分析53
3.3本章小結(jié)56
參考文獻(xiàn)56
第4章圖像領(lǐng)域自適應(yīng)58
4.1基于深度對(duì)抗域自適應(yīng)網(wǎng)絡(luò)的圖像識(shí)別58
4.1.1深度對(duì)抗域自適應(yīng)網(wǎng)絡(luò)58
4.1.2實(shí)驗(yàn)與分析61
4.2基于深度加權(quán)子域自適應(yīng)網(wǎng)絡(luò)的圖像識(shí)別63
4.2.1深度加權(quán)子域自適應(yīng)網(wǎng)絡(luò)63
4.2.2實(shí)驗(yàn)與分析66
4.3基于自監(jiān)督任務(wù)最優(yōu)選擇的無(wú)監(jiān)督域自適應(yīng)68
4.3.1無(wú)監(jiān)督域自適應(yīng)網(wǎng)絡(luò)68
4.3.2實(shí)驗(yàn)與分析72
4.4本章小結(jié)74
參考文獻(xiàn)75
第5章多源跨域圖像遷移學(xué)習(xí)76
5.1基于自監(jiān)督任務(wù)的多源無(wú)監(jiān)督域自適應(yīng)77
5.1.1多源無(wú)監(jiān)督域自適應(yīng)網(wǎng)絡(luò)77
5.1.2實(shí)驗(yàn)與分析81
5.2序貫式多源域自適應(yīng)85
5.2.1序貫式多源域自適應(yīng)方法85
5.2.2實(shí)驗(yàn)與分析89
5.3基于相似性度量的多源到多目標(biāo)域適應(yīng)93
5.3.1基于相似性度量的多源到多目標(biāo)域適應(yīng)方法93
5.3.2實(shí)驗(yàn)與分析97
5.4本章小結(jié)100
參考文獻(xiàn)101