遷移學習基礎(chǔ)及應用

定　價：￥79.00

作　者：	吳心筱王晗武玉偉編著
出版社：	北京理工大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787568298612	出版時間：	2022-03-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)地闡述了遷移學習的解決方法和典型應用。首先，論述了遷移學習的基本概念、方法分類及發(fā)展歷程，介紹了遷移學習的相關(guān)基礎(chǔ)知識。其次，探討了遷移學習的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學習方法，闡述了深度遷移學習的經(jīng)典方法，包括神經(jīng)網(wǎng)絡自適應遷移方法和神經(jīng)網(wǎng)絡對抗遷移方法，介紹了更加實用的部分域適應方法和開集域適應方法。后，介紹了遷移學習在動作識別、目標檢測及語義分割三個方向的應用。本書可供從事機器學習、模式分類、人工智能以及相關(guān)領(lǐng)域研究和應用的技術(shù)研發(fā)人員參考，也可作為相關(guān)專業(yè)的高年級本科生和研究生的教材。

作者簡介

　　吳心筱，女，1982年生，江蘇江陰人。于2010年獲得北京理工大學博士學位?，F(xiàn)任北京理工大學副教授，博士生導師。主要研究方向為圖像視頻內(nèi)容理解、計算機視覺。在IJCV、IEEE TIP、IEEE TNNLS、IEEE TMM等重要國際刊物和ICCV、CVPR、ACM MM、AAAI、IJCAI等國際會議上發(fā)表學術(shù)論文30余篇。負責國家自然科學基金青年和面上項目、教育部博士點基金等項目。獲“2012年中國人工智能學會優(yōu)秀博士學位論文”榮譽。

圖書目錄

第1 章　緒論………………………………………………………………………………… 001
　 1. 1　機器學習概述 ………………………………………………………………………… 001
　　 1. 1. 1　機器學習的主要步驟 …………………………………………………………… 001
　　 1. 1. 2　機器學習的分類 ………………………………………………………………… 003
　 1. 2　遷移學習的基本概念 ………………………………………………………………… 005
　　 1. 2. 1　遷移學習的定義 ………………………………………………………………… 005
　　 1. 2. 2　域和任務 ………………………………………………………………………… 007
　　 1. 2. 3　遷移學習的數(shù)學表示 …………………………………………………………… 008
　　 1. 2. 4　遷移學習的基礎(chǔ)研究問題 ……………………………………………………… 009
　 1. 3　遷移學習方法的分類 ………………………………………………………………… 010
　　 1. 3. 1　根據(jù)目標域中所包含的有標簽數(shù)據(jù)情況分類 ………………………………… 010
　　 1. 3. 2　根據(jù)源域與目標域的數(shù)據(jù)和任務的不同分類 ………………………………… 011
　　 1. 3. 3　根據(jù)源域與目標域的特征空間或標簽是否同構(gòu)分類 ………………………… 014
　　 1. 3. 4　遷移學習方法的總結(jié)分類 ……………………………………………………… 014
　 1. 4　遷移學習的發(fā)展歷史 ………………………………………………………………… 016
　 1. 5　其他學習方法 ………………………………………………………………………… 017
　　 1. 5. 1　主動學習 ………………………………………………………………………… 017
　　 1. 5. 2　在線學習 ………………………………………………………………………… 018
　　 1. 5. 3　度量學習 ………………………………………………………………………… 019
　　 1. 5. 4　深度遷移學習 …………………………………………………………………… 020
　　 1. 5. 5　強化學習 ………………………………………………………………………… 024
　參考文獻……………………………………………………………………………………… 025
第2 章　基礎(chǔ)知識 ………………………………………………………………………… 032
　 2. 1　矩陣分析 ……………………………………………………………………………… 032
　　 2. 1. 1　基本概念 ………………………………………………………………………… 032
　　 2. 1. 2　矩陣分解 ………………………………………………………………………… 036
　 2. 2　概率論 ………………………………………………………………………………… 039
　　 2. 2. 1　隨機變量 ………………………………………………………………………… 039
　　 2. 2. 2　概率分布 ………………………………………………………………………… 039
　　 2. 2. 3　隨機變量的數(shù)字特征 …………………………………………………………… 041
　 2. 3　化方法 …………………………………………………………………………… 042
　　 2. 3. 1　梯度下降法 ……………………………………………………………………… 043
　　 2. 3. 2　牛頓法 …………………………………………………………………………… 044
　　 2. 3. 3　擬牛頓法 ………………………………………………………………………… 045
　 2. 4　神經(jīng)網(wǎng)絡 ……………………………………………………………………………… 046
　　 2. 4. 1　神經(jīng)元模型 ……………………………………………………………………… 046
　　 2. 4. 2　單層感知器 ……………………………………………………………………… 048
　　 2. 4. 3　多層感知器 ……………………………………………………………………… 049
　 2. 5　支持向量機 …………………………………………………………………………… 053
　　 2. 5. 1　線性 SVM ………………………………………………………………………… 053
　　 2. 5. 2　非線性 SVM ……………………………………………………………………… 056
　參考文獻……………………………………………………………………………………… 057
第3 章　遷移學習基本方法 ……………………………………………………………… 059
　 3. 1　基于樣本遷移學習 …………………………………………………………………… 059
　　 3. 1. 1　基于樣本遷移基本思想 ………………………………………………………… 059
　　 3. 1. 2　基于樣本遷移經(jīng)典方法 ………………………………………………………… 060
　 3. 2　基于特征遷移學習 …………………………………………………………………… 067
　　 3. 2. 1　基于特征遷移基本思想 ………………………………………………………… 067
　　 3. 2. 2　基于特征遷移經(jīng)典方法 ………………………………………………………… 067
　 3. 3　基于模型遷移學習 …………………………………………………………………… 072
　　 3. 3. 1　基于模型遷移基本思想 ………………………………………………………… 072
　　 3. 3. 2　基于模型遷移經(jīng)典方法 ………………………………………………………… 072
　 3. 4　基于關(guān)系遷移學習 …………………………………………………………………… 078
　　 3. 4. 1　基于關(guān)系遷移基本思想 ………………………………………………………… 078
　　 3. 4. 2　基于關(guān)系遷移經(jīng)典方法 ………………………………………………………… 078
　 3. 5　異構(gòu)遷移學習 ………………………………………………………………………… 080
　　 3. 5. 1　同構(gòu)遷移 ………………………………………………………………………… 080
　　 3. 5. 2　異構(gòu)遷移 ………………………………………………………………………… 080
　參考文獻……………………………………………………………………………………… 082
第4 章　深度遷移學習 …………………………………………………………………… 085
　 4. 1　深度神經(jīng)網(wǎng)絡基礎(chǔ) …………………………………………………………………… 085
　　 4. 1. 1　卷積神經(jīng)網(wǎng)絡 …………………………………………………………………… 085
　　 4. 1. 2　生成對抗網(wǎng)絡 …………………………………………………………………… 092
　　 4. 1. 3　網(wǎng)絡優(yōu)化 ………………………………………………………………………… 095
　 4. 2　深度神經(jīng)網(wǎng)絡微調(diào)遷移 ……………………………………………………………… 099
　　 4. 2. 1　網(wǎng)絡微調(diào)基本思想 ……………………………………………………………… 099
　　 4. 2. 2　網(wǎng)絡微調(diào)經(jīng)典方法 ……………………………………………………………… 099
　　 4. 2. 3　網(wǎng)絡微調(diào)性能分析 ……………………………………………………………… 106
　 4. 3　深度神經(jīng)網(wǎng)絡自適應遷移 …………………………………………………………… 108
　　 4. 3. 1　網(wǎng)絡自適應遷移基本思想 ……………………………………………………… 108
　　 4. 3. 2　網(wǎng)絡自適應遷移經(jīng)典方法 ……………………………………………………… 108
　　 4. 3. 3　網(wǎng)絡自適應遷移性能分析 ……………………………………………………… 112
　 4. 4　深度神經(jīng)網(wǎng)絡對抗遷移 ……………………………………………………………… 114
　　 4. 4. 1　網(wǎng)絡對抗遷移基本思想 ………………………………………………………… 114
　　 4. 4. 2　對抗遷移經(jīng)典方法 ……………………………………………………………… 115
　　 4. 4. 3　網(wǎng)絡對抗遷移性能分析 ………………………………………………………… 124
　參考文獻……………………………………………………………………………………… 126
第5 章　其他遷移學習 …………………………………………………………………… 131
　 5. 1　部分域適應 …………………………………………………………………………… 131
　　 5. 1. 1　部分域適應基本思想 …………………………………………………………… 131
　　 5. 1. 2　部分域適應經(jīng)典方法 …………………………………………………………… 132
　　 5. 1. 3　性能分析 ………………………………………………………………………… 140
　 5. 2　開集域適應 …………………………………………………………………………… 143
　　 5. 2. 1　開集域適應基本思想 …………………………………………………………… 144
　　 5. 2. 2　開集域適應經(jīng)典方法 …………………………………………………………… 145
　　 5. 2. 3　性能分析 ………………………………………………………………………… 150
　參考文獻……………………………………………………………………………………… 152
第6 章　遷移學習在動作識別中的應用 ……………………………………………… 155
　 6. 1　動作識別介紹 ………………………………………………………………………… 155
　 6. 2　動作識別基本方法 …………………………………………………………………… 155
　　 6. 2. 1　動作特征提取 …………………………………………………………………… 155
　　 6. 2. 2　動作分類 ………………………………………………………………………… 158
　　 6. 2. 3　動作識別深度模型 ……………………………………………………………… 159
　 6. 3　遷移學習動作識別 …………………………………………………………………… 162
　　 6. 3. 1　自適應多核學習動作識別 ……………………………………………………… 163
　　 6. 3. 2　多語義分組域適應動作識別 …………………………………………………… 166
　　 6. 3. 3　生成對抗學習動作識別 ………………………………………………………… 175
　參考文獻……………………………………………………………………………………… 183
第7 章　遷移學習在目標檢測中的應用 ……………………………………………… 190
　 7. 1　目標檢測介紹 ………………………………………………………………………… 190
　 7. 2　目標檢測經(jīng)典方法 …………………………………………………………………… 191
　 7. 3　遷移學習目標檢測方法 ……………………………………………………………… 194
　　 7. 3. 1　域適應目標檢測 ………………………………………………………………… 194
　　 7. 3. 2　漸進域適應弱監(jiān)督目標檢測 …………………………………………………… 196
　 7. 4　常用數(shù)據(jù)集 …………………………………………………………………………… 198
　　 7. 4. 1　 PASCAL VOC 數(shù)據(jù)集 …………………………………………………………… 198
　　 7. 4. 2　 Cityscapes 數(shù)據(jù)集和 Foggy Cityscapes 數(shù)據(jù)集 ………………………………… 200
　　 7. 4. 3　 Clipart1k 數(shù)據(jù)集 ………………………………………………………………… 202
　　 7. 4. 4　 KITTI 數(shù)據(jù)集 …………………………………………………………………… 203
　　 7. 4. 5　 SIM 系列數(shù)據(jù)集 ………………………………………………………………… 205
　　 7. 4. 6　目標檢測評價指標 ……………………………………………………………… 205
　 7. 5　方法性能分析 ………………………………………………………………………… 206
　　 7. 5. 1　域適應目標檢測結(jié)果 …………………………………………………………… 206
　　 7. 5. 2　漸進域適應弱監(jiān)督目標檢測結(jié)果 ……………………………………………… 207
　參考文獻……………………………………………………………………………………… 208
第8 章　遷移學習在語義分割中的應用 ……………………………………………… 211
　 8. 1　語義分割介紹 ………………………………………………………………………… 211
　 8. 2　語義分割經(jīng)典方法 …………………………………………………………………… 212
　 8. 3　遷移學習的語義分割方法 …………………………………………………………… 213
　　 8. 3. 1　基于全局和局部對齊的域適應語義分割 ……………………………………… 214
　　 8. 3. 2　雙向?qū)W習的域適應語義分割 …………………………………………………… 216
　 8. 4　常用數(shù)據(jù)集 …………………………………………………………………………… 219
　　 8. 4. 1　 GTA5 數(shù)據(jù)集……………………………………………………………………… 219
　　 8. 4. 2　 SYNTHIA 數(shù)據(jù)集 ………………………………………………………………… 220
　　 8. 4. 3　語義分割評價指標 ……………………………………………………………… 221
　 8. 5　方法性能分析 ………………………………………………………………………… 222
　　 8. 5. 1　基于全局和局部對齊的域適應語義分割方法結(jié)果 …………………………… 222
　　 8. 5. 2　雙向?qū)W習的域適應語義分割方法結(jié)果 ………………………………………… 225