[套装书]深度实践OCR：基于深度学习的文字识别+深度学习之图像识别：核心技术与案例实战（2册）

作者
刘树春 贺盼 马建奇 王佳军 言有三
丛书名
智能系统与技术丛书
出版社
机械工业出版社
ISBN
9782005261757
简要
简介
内容简介书籍计算机书籍 ---------------------------深度实践OCR：基于深度学习的文字识别--------------------------- 内容简介 这是一部融合了企业界先进工程实践经验和学术界前沿技术和思想的ORC著作。 本书由阿里巴巴本地生活研究院算法团队技术专家领衔，从组件、算法、实现、工程应用等维度系统讲解基于深度学习的OCR技术的原理和落地。书中一步步剖析了算法背后的数学原理，提供大量简洁的代码实现，帮助读者从零基础开始构建OCR算法。 全书共9章： 第1章从宏观角度介绍了ORC技术的发展历程、概念和产业应用； 第2章讲解了OCR的图像预处理方法； 第3~4章介绍了传统机器学习方法和深度学习的相关基础； 第5章讲解了基于传统方法和深度学习方法的OCR的数据生成； 第6章讲解了与OCR相关的一些高级深度学习方法，方便读者理解后续的检测和识别部分； 第7章讲解了文字的检测技术，从通用的目标检测到文字的检测，一步步加深读者对文字检测问题的认识； 第8章讨论了文字识别的相关技术，定位到文字的位置之后，需要对文字的内容进行进一步的解析； 第9章介绍了一些OCR后处理的方法。 . ---------------------------深度学习之图像识别：核心技术与案例实战--------------------------- 本书是一本讲述深度学习在计算机视觉领域的书籍，为机器学习和深度学习相关领域中需要学习图像识别和处理技术的读者量身定做。本书非常详尽地讲述了深度学习的各个知识点，包括深度学习卷积神经网络的理论知识、深度学习中的数据，以及图像分类、图像分割和目标检测等三大图像基础应用；另外还介绍了深度学习的数据可视化和模型可视化、深度学习中的常用损失函数、模型压缩以及深度学习模型部署的前后端基础知识。 本书从第4章开始，每章都配置有一到两个难易程度不同的案例，让读者在实践中更好地掌握相关领域的技术细节。读者在读完每章的理论知识后，就可以紧接着进行实践，并在已有代码的基础上进行修改和改进，从而理论与实践结合进行系统性的学习。
目录



---------------------------深度实践OCR：基于深度学习的文字识别---------------------------


推荐序
前言
第1章　绪论 1
1.1　人工智能大潮中的OCR发展史 1
1.1.1　传统OCR方法一般流程 3
1.1.2　基于深度学习OCR方法一般流程 5
1.2　文字检测 6
1.3　文字识别 8
1.4　产业应用现状 10
1.5　本章小结 11
1.6　参考文献 11
第2章　图像预处理 13
2.1　二值化 13
2.1.1　全局阈值方法 13
2.1.2　局部阈值方法 17
2.1.3　基于深度学习的方法 20
2.1.4　其他方法 22
2.2　平滑去噪 26
2.2.1　空间滤波 26
2.2.2　小波阈值去噪 28
2.2.3　非局部方法 29
2.2.4　基于神经网络的方法 33
2.3　倾斜角检测和校正 35
2.3.1　霍夫变换 36
2.3.2　Radon 变换 38
2.3.3　基于 PCA 的方法 38
2.4　实战 39
2.5　参考文献 43
第3章　传统机器学习方法绪论 45
3.1　特征提取方法 45
3.1.1　基于结构形态的特征提取 45
3.1.2　基于几何分布的特征提取 61
3.2　分类方法模型 63
3.2.1　支持向量机 63
3.2.2　K近邻算法 65
3.2.3　多层感知器 70
3.3　实战：身份证号码的识别 71
3.3.1　核心代码 71
3.3.2　测试结果 78
3.4　本章小结 79
3.5　参考文献 79
第4章　深度学习基础知识 80
4.1　单层神经网络 80
4.1.1　神经元 80
4.1.2　感知机 81
4.2　双层神经网络 82
4.2.1　双层神经网络简介 82
4.2.2　常用的激活函数 83
4.2.3　反向传播算法 86
4.3　深度学习 87
4.3.1　卷积神经网络 88
4.3.2　常用优化算法 90
4.4　训练网络技巧 92
4.4.1　权值初始化 92
4.4.2　L1/L2正则化 93
4.4.3　Dropout 94
4.5　实战 95
4.6　参考文献 97
第5章　数据生成 99
5.1　背景介绍 99
5.2　传统单字OCR数据生成 100
5.3　基于深度学习的OCR数据生成 101
5.3.1　文字检测数据的生成 101
5.3.2　检测图片生成 103
5.3.3　其他方法 112
5.3.4　识别数据生成 113
5.4　通过GAN的技术生成数据 114
5.4.1　GAN背景介绍 114
5.4.2　GAN的原理 116
5.4.3　GAN的变种 117
5.5　图像增广 123
5.5.1　常用的图像增强方法 123
5.5.2　深度学习方法 126
5.6　常用的开源数据集 128
5.7　ICDAR的任务和数据集 131
5.8　本章小结 138
5.9　参考文献 138
第6章　深度学习高级方法 140
6.1　图像分类模型 140
6.1.1　LeNet5 140
6.1.2　AlexNet 142
6.1.3　VGGNet 143
6.1.4　GoogLeNet 144
6.1.5　ResNet 147
6.1.6　DenseNet 151
6.1.7　SENet 153
6.1.8　轻量化网络 154
6.2　循环神经网络 154
6.2.1　RNN网络 154
6.2.2　GRU 156
6.2.3　GRU的实现 158
6.2.4　LSTM网络 160
6.3　Seq2Seq 163
6.4　CTC Loss 164
6.4.1　算法详解 166
6.4.2　前向传播 168
6.4.3　后向传播 173
6.4.4　前向/后向算法 173
6.4.5　CTC算法特性 174
6.4.6　代码解析 175
6.5　Attention 178
6.6　本章小结 181
6.7　参考文献 182
第7章　文字检测 183
7.1　研究意义 183
7.2　目标检测方法 185
7.2.1　目标检测相关术语 186
7.2.2　传统检测方法 189
7.2.3　Two-stage 方法 195
7.2.4　One-stage 方法 210
7.3　文本检测方法 217
7.3.1　传统文本检测方法 217
7.3.2　基于深度学习的文本检测方法 222
7.4　本章小结 228
7.5　参考文献 228
第8章　字符识别 232
8.1　任务概览 232
8.2　数据集说明 233
8.2.1　数据集意义 233
8.2.2　常见识别数据集介绍 234
8.3　评测指标 238
8.3.1　编辑距离 239
8.3.2　归一化编辑距离 239
8.3.3　字符准确度 239
8.3.4　词准确率 239
8.3.5　语境相关的评测方式 239
8.4　主流算法介绍 240
8.4.1　传统光学方法 240
8.4.2　完全基于深度学习的方法 244
8.5　CRNN模型实战 274
8.5.1　简介 274
8.5.2　运行环境 274
8.5.3　测试部分讲解 274
8.5.4　测试运行结果 279
8.5.5　训练部分 279
8.5.6　用ICDAR2013数据集训练CRNN模型 282
8.6　本章小结 284
8.7　参考文献 285
第9章　OCR后处理方法 288
9.1　文本纠错 288
9.1.1　BK-tree 289
9.1.2　基于语言模型的中文纠错 293
9.2　文本结构化 297
9.2.1　模板匹配 298
9.2.2　文本分类 300
9.3　本章小结 304
9.4　参考文献 304
第10章　版面分析 306
10.1　版面分析详解 306
10.2　复杂版面识别 309
10.3　文档恢复 310
10.4　本章小结 311
10.5　参考文献 311



---------------------------深度学习之图像识别：核心技术与案例实战---------------------------


前言
第1章 神经网络基础 1
1.1 神经网络的生物基础与数学模型 1
1.1.1 神经元 1
1.1.2 感知机 2
1.1.3 BP算法 6
1.2 卷积神经网络基础 10
1.2.1 卷积神经网络的基本结构 11
1.2.2 卷积与权值共享 13
1.2.3 感受野与池化 14
第2章 深度学习优化基础 17
2.1 深度学习主流开源框架 17
2.1.1 Caffe简介 18
2.1.2 TensorFlow简介 18
2.1.3 PyTorch简介 19
2.1.4 Theano简介 20
2.1.5 Keras简介 20
2.1.6 MXNet简介 21
2.1.7 Chainer简介 21
2.2 网络优化参数 22
2.2.1 常用激活函数 22
2.2.2 参数初始化方法 26
2.2.3 最优化方法 27
2.2.4 归一化方法 31
2.2.5 正则化方法 33
第3章 深度学习中的数据 36
3.1 深度学习通用数据集的发展 36
3.1.1 MNIST数据集 36
3.1.2 CIFAR10和CIFAR100数据集 37
3.1.3 PASCAL数据集 38
3.1.4 ImageNet数据集 38
3.1.5 Microsoft COCO数据集 39
3.2 常见的计算机视觉任务数据集 40
3.2.1 人脸数据集 40
3.2.2 自动驾驶数据集 52
3.2.3 医学数据集 55
3.3 数据增强 59
3.3.1 有监督数据增强 60
3.3.2 无监督数据增强 63
3.4 数据的收集与标注 65
3.4.1 数据收集 65
3.4.2 数据标注 67
3.4.3 数据清洗与整理 68
第4章 图像分类 70
4.1 图像分类基础 70
4.1.1 图像分类问题 70
4.1.2 深度学习图像分类发展简史 72
4.1.3 评测指标与优化目标 75
4.1.4 图像分类的挑战 76
4.2 移动端实时表情分类实战 77
4.2.1 项目背景 78
4.2.2 数据预处理 80
4.2.3 项目方案 82
4.2.4 模型训练与测试 84
4.2.5 项目总结 88
4.3 细粒度图像分类实战 89
4.3.1 项目背景 89
4.3.2 项目方案 90
4.3.3 模型训练与测试 92
4.3.4 参数调试 97
4.3.5 项目总结 102
第5章 图像分割 103
5.1 传统图像分割方法 103
5.1.1 阈值法 103
5.1.2 区域生长法与超像素 105
5.1.3 图切割 105
5.1.4 活动轮廓模型 106
5.2 深度学习图像分割 109
5.2.1 基本流程 110
5.2.2 反卷积 110
5.2.3 多尺度与感受野 112
5.2.4 CRF方法 113
5.2.5 Image Matting与图像融合 114
5.3 移动端实时图像分割项目 115
5.3.1 项目背景 115
5.3.2 项目方案 116
5.3.3 模型训练与总结 126
5.4 一个实时肖像换背景项目 127
5.4.1 项目背景 127
5.4.2 项目方案 128
5.4.3 模型训练与测试 134
5.4.4 项目总结 138
第6章 目标检测 139
6.1 目标检测基础 139
6.1.1 检测窗口选择 140
6.1.2 特征提取 141
6.1.3 分类器 142
6.1.4 V-J人脸检测算法 143
6.2 深度学习目标检测方法 145
6.2.1 Selective search与R-CNN 146
6.2.2 RoI Pooling与SPPNet 147
6.2.3 Fast R-CNN与Faster R-CNN 149
6.2.4 YOLO方法 152
6.2.5 SSD方法 154
6.2.6 目标检测中的关键技术 155
6.3 实战Faster-R-CNN目标检测 157
6.3.1 项目背景 157
6.3.2 py-faster-rcnn框架解读 157
6.3.3 模型定义与分析 170
6.3.4 模型训练与测试 180
6.3.5 项目总结 183
第7章 数据与模型可视化 185
7.1 数据可视化 185
7.1.1 低维数据可视化 185
7.1.2 高维数据可视化 187
7.2 模型可视化 190
7.2.1 模型结构可视化 190
7.2.2 模型权重可视化 198
7.2.3 特征图可视化 201
7.3 可视化案例 202
7.3.1 项目背景 202
7.3.2 数据接口定义 204
7.3.3 网络结构定义 205
7.3.4 可视化代码添加 207
7.3.5 可视化训练指标 207
第8章 模型压缩 209
8.1 模型压缩方法 209
8.1.1 模型设计压缩 210
8.1.2 网络剪枝与量化 213
8.1.3 张量分解 216
8.1.4 模型蒸馏与迁移学习 216
8.2 模型压缩实战 218
8.2.1 网络分析 220
8.2.2 输入尺度和第一层卷积设计 224
8.2.3 网络宽度与深度压缩 226
8.2.4 弥补通道损失 228
8.2.5 总结 230
第9章 损失函数 231
9.1 分类任务损失 231
9.1.1 什么是0-1 loss 231
9.1.2 熵与交叉熵loss 231
9.1.3 softmax loss及其变种 232
9.1.4 KL散度 237
9.1.5 Hinge loss简介 237
9.1.6 Exponential loss与Logistic loss 237
9.1.7 多标签分类任务loss 238
9.2 回归任务损失 238
9.2.1 L1 loss与L2 loss 238
9.2.2 L1 loss与L2 loss的改进 239
9.3 常见图像任务与loss使用 240
9.3.1 图像基础任务 240
9.3.2 风格化与图像复原，超分辨重建 240
9.3.3 生成对抗网络 241
9.3.4 总结 245
第10章 模型部署与上线 246
10.1 微信小程序前端开发 246
10.1.1 小程序的技术特点与定位 246
10.1.2 Web前端基础 248
10.1.3 小程序开发工具 251
10.1.4 小程序前端 252
10.1.5 小程序前端开发 254
10.2 微信小程序服务端开发 260
10.2.1 域名注册与管理 260
10.2.2 服务端框架简介 261
10.2.3 算法搭建与实现 262
10.3 Caffe环境配置 264
10.3.1 依赖库安装 264
10.3.2 Caffe编译安装 266



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4