同类推荐
-
-
冶金设备及自动化
-
¥56.00
-
-
道路用钢渣全组分资源化成套技术研究与应用
-
¥98.00
-
-
冶金设备
-
¥49.00
-
-
钢渣中磷元素提取技术
-
¥48.00
-
-
钢渣中磷元素提取技术
-
¥48.00
-
-
钢渣中磷元素提取技术
-
¥48.00
-
-
冶炼设备维护与检修
-
¥59.00
-
-
不锈钢渣的铬稳定化控制
-
¥98.00
-
-
冶金机电设备点检:双色版:中级
-
¥58.00
-
-
金国平工作法:炼钢连铸设备智能化的运维与改善
-
¥28.00
|
|
图书信息
|
|
|
|
深度学习驱动的钢铁图像处理技术与实践
|
| ISBN： | 9787577221236 |
定价： | ￥69.80 |
| 作者： | 李维刚, 著 |
出版社： | 华中科技大学出版社 |
| 出版时间： | 2025年08月 |
版次： | 1版 |
| 开本： | 26 |
页数： | -1 |
| 装祯： | 平装 |
中图法： | TF302-39 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
|
|
其它供货商库存合计
|
500
|
|
2025-10-14
|
图书简介 | | 本书聚焦深度学习在钢铁工业图像处理中的应用，系统阐述图像分类、目标检测、语义分割三大核心任务，结合带钢缺陷检测与钢材显微组织分析场景，提供理论方法与实战解决方案。图像分类部分解析卷积、自注意力、激活函数等基础理论，探讨ResNet、Transformer系列模型架构，提出轻量化、知识蒸馏、元学习等优化策略，并基于武钢热轧带钢、NEU-DET数据集验证噪声鲁棒性与小样本学习效果。目标检测部分以YOLO系列为核心，分析其演进与工业适用性，通过加权K-means聚类、多尺度特征融合、注意力机制等改进算法，结合带钢缺陷检测实战，提升检测精度与效率。语义分割部分针对显微组织分析，对比全监督(FCN、DeepLab)、半监督(原型循环一致性)及弱监督(像素自监督)方法，创新性提出神经崩溃困难样本学习、超像素图卷积网络等技术，解决标注数据稀缺难题。全书贯穿工业实践导向，覆盖模型压缩、噪声优化、弱监督学习等前沿技术，通过多组对比与消融实验验证算法有效性，兼具理论深度与工程落地性，为计算机视觉研究者、工业质检工程师及材料科学领域从业者提供关键技术参考。 |
|