官术网_书友最值得收藏!

三維人臉建模方法研究與應(yīng)用
會(huì)員

真實(shí)感三維人臉建模技術(shù)是計(jì)算機(jī)視覺領(lǐng)域一個(gè)備受關(guān)注的研究熱點(diǎn),基于形變模型的三維人臉建模方法是目前建模效果最好的方法之一。本書結(jié)合作者自身的研究經(jīng)歷,回顧該領(lǐng)域的發(fā)展過程,介紹形變模型建模方法的基本原理和關(guān)鍵技術(shù)。本書可分為四部分:第一部分介紹三維人臉建模的預(yù)備內(nèi)容(發(fā)展概述、初始三維人臉樣本獲取方法、三維人臉樣本規(guī)格化的方法和目前主流的三維人臉建模方法);第二部分介紹基于形變模型的三維人臉建模方法以及筆者在此方面所做的工作包括:基于典型相關(guān)性分析的三維人臉建模,基于粒子群優(yōu)化算法的三維人臉建模方法研究;第三部分介紹三維人臉識別方面的工作,包括基于LBP的三維人臉識別,基于系數(shù)表示的三維人臉識別、基于幾何特征的三維人臉識別和帶表情三維人臉識別;第四部分介紹三維人臉建模方法的相關(guān)應(yīng)用,包括基于形變模型的三維人臉樣本生成,三維人臉?biāo)ダ蠑?shù)據(jù)生成,戴眼鏡三維人臉樣本的生成,三維人臉識別和三維人臉表情建模和識別;最后一部分是三維人臉建模在動(dòng)畫方面的應(yīng)用,包括基于MPEG-4的三維人臉動(dòng)畫研究、基于多層次模型驅(qū)動(dòng)的三維人臉動(dòng)畫研究和基于一般模型驅(qū)動(dòng)的三維人臉動(dòng)畫研究。

蓋赟 ·人工智能 ·7.7萬字

深度學(xué)習(xí)實(shí)戰(zhàn):基于TensorFlow 2和Keras(原書第2版)
會(huì)員

本書簡潔地介紹了現(xiàn)代神經(jīng)網(wǎng)絡(luò)、人工智能和深度學(xué)習(xí)技術(shù),專門為軟件工程師和數(shù)據(jù)科學(xué)家設(shè)計(jì)。第1章逐步介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點(diǎn)介紹回歸。第4章介紹卷積神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應(yīng)用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的高級應(yīng)用。第6章重點(diǎn)介紹生成對抗網(wǎng)絡(luò)。第7章介紹詞嵌入。第8章介紹基本嵌入方法的各種擴(kuò)展。第9章介紹自動(dòng)編碼器。第10章深入研究無監(jiān)督學(xué)習(xí)模型。第11章重點(diǎn)介紹強(qiáng)化學(xué)習(xí)。第12章介紹AutoML。第13章介紹用于移動(dòng)設(shè)備和物聯(lián)網(wǎng)的TensorFlow的基礎(chǔ)知識。第14章討論了云環(huán)境以及如何利用它來訓(xùn)練和部署模型。第15章討論了深度學(xué)習(xí)背后的數(shù)學(xué)。第16章介紹TPU。本書內(nèi)容豐富,易于理解,示例具有代表性,是學(xué)習(xí)深度學(xué)習(xí)的絕佳指南。

(意)安東尼奧·古利 (印)阿米塔·卡普爾 (美)蘇吉特·帕爾 ·人工智能 ·17.9萬字

大模型工程化:AI驅(qū)動(dòng)下的數(shù)據(jù)體系
會(huì)員

大模型在眾多領(lǐng)域得到了廣泛應(yīng)用,促進(jìn)了AI技術(shù)的整合和創(chuàng)新。然而,在實(shí)際應(yīng)用過程中,直接將大模型應(yīng)用于特定行業(yè)常常難以達(dá)到預(yù)期效果。本書詳細(xì)闡述如何在游戲經(jīng)營分析場景中利用大模型實(shí)現(xiàn)數(shù)據(jù)體系的建設(shè)。本書分為6個(gè)部分,共16章。第1部分主要介紹大模型技術(shù)的發(fā)展與應(yīng)用,從大模型的發(fā)展現(xiàn)狀展開,重點(diǎn)介紹大模型與數(shù)據(jù)體系的相關(guān)知識。第2部分主要介紹大模型下的關(guān)鍵基礎(chǔ)設(shè)施,涵蓋湖倉一體引擎、湖倉的關(guān)鍵技術(shù)、實(shí)時(shí)數(shù)據(jù)寫入和高效數(shù)據(jù)分析等內(nèi)容。第3部分主要介紹大模型下的數(shù)據(jù)資產(chǎn),圍繞數(shù)據(jù)資產(chǎn)重塑、數(shù)據(jù)資產(chǎn)標(biāo)準(zhǔn)、數(shù)據(jù)資產(chǎn)建設(shè)、數(shù)據(jù)資產(chǎn)運(yùn)營展開。第4部分主要介紹自研領(lǐng)域大模型的技術(shù)原理,涵蓋領(lǐng)域大模型的基礎(chǔ)、需求理解算法、需求匹配算法、需求轉(zhuǎn)譯算法等內(nèi)容。第5部分主要介紹大模型的工程化原理,涉及工程化的基礎(chǔ)、技術(shù)籌備、建設(shè)要點(diǎn)、安全策略等內(nèi)容。第6部分介紹大模型在游戲領(lǐng)域的應(yīng)用,通過游戲領(lǐng)域的經(jīng)營分析案例,系統(tǒng)地闡述如何實(shí)現(xiàn)業(yè)務(wù)需求。本書適合致力于大模型技術(shù)應(yīng)用的數(shù)據(jù)工程師閱讀,也適合尋求AI自動(dòng)化編程解決方案的軟件開發(fā)者閱讀,還適合希望利用AI提升業(yè)務(wù)效率的企業(yè)決策者閱讀。

騰訊游戲數(shù)據(jù)團(tuán)隊(duì)編著 ·人工智能 ·15.6萬字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 彭州市| 彭山县| 五寨县| 堆龙德庆县| 宾阳县| 合川市| 库尔勒市| 锦州市| 佳木斯市| 建德市| 井陉县| 左贡县| 盐池县| 津市市| 祁阳县| 沭阳县| 手游| 灌云县| 开原市| 屯门区| 宝鸡市| 安化县| 塔河县| 汉寿县| 贵德县| 上犹县| 资阳市| 南昌县| 璧山县| 祥云县| 永修县| 丰都县| 白玉县| 襄汾县| 遵义县| 永靖县| 长丰县| 五华县| 潞西市| 迭部县| 泽普县|