【干货书】深度学习合成数据,354页pdf,Synthetic Data for Deep Learning

2022 年 2 月 10 日 专知


这是关于深度学习的合成数据的第一本书,其覆盖的广度可能使这本书成为未来几年合成数据的默认参考。这本书也可以作为介绍机器学习的其他几个重要的子领域,在其他书中很少触及。机器学习作为一门学科,如果没有手边的内部优化工作是不可能的。这本书包括了优化的必要的筋,尽管讨论的核心是训练深度学习模型的日益流行的工具,即合成数据。预计合成数据领域将在不久的将来经历指数增长。这本书是这一领域的全面综述。


在最简单的情况下,合成数据指的是用于训练计算机视觉模型的计算机生成图形。合成数据还有很多方面需要考虑。在基本计算机视觉部分,本书讨论了基本的计算机视觉问题,包括低级(如光流估计)和高级(如对象检测和语义分割),户外和城市场景(自动驾驶)的合成环境和数据集,室内场景(室内导航),航空导航和机器人仿真环境。此外,它还涉及了计算机视觉之外的合成数据的应用(在神经编程、生物信息学、NLP等方面)。它还调研了关于改进合成数据开发和生成它的替代方法(如GANs)的工作。


这本书介绍和回顾了机器学习各个领域合成数据的几种不同方法,最值得注意的是以下领域: 领域自适应,使合成数据更真实,和/或适应模型,以对合成数据进行训练,并为生成具有隐私保证的合成数据。这个讨论伴随着对生成式对抗网络(GAN)的介绍和对差分隐私的介绍。


https://link.springer.com/book/10.1007/978-3-030-75178-4#about



  1. Front Matter

  2. Introduction: The Data Problem

  3. Deep Learning and Optimization

  4. Deep Neural Networks for Computer Vision

  5. Generative Models in Deep Learning

  6. The Early Days of Synthetic Data

  7. Synthetic Data for Basic Computer Vision Problems

  8. Synthetic Simulated Environments

  9. Synthetic Data Outside Computer Vision

  10. Directions in Synthetic Data Development

  11. Synthetic-to-Real Domain Adaptation and Refinement

  12. Privacy Guarantees in Synthetic Data

  13. Promising Directions for Future Work

  14. Back Matter



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“SDDL” 就可以获取【干货书】深度学习合成数据,354页pdf,Synthetic Data for Deep Learning》专知下载链接


专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI主题干货知识资料!


欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资源
登录查看更多
8

相关内容

【2022新书】机器学习基础,225页pdf,Machine Learning The Basics
【干货书】机器学习算法视角,249页pdf
专知会员服务
135+阅读 · 2021年10月18日
【经典书】半监督学习,524页pdf
专知会员服务
134+阅读 · 2021年8月20日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
203+阅读 · 2020年1月13日
MATLAB玩转深度学习?新书「MATLAB Deep Learning」162页pdf
专知会员服务
98+阅读 · 2020年1月13日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
196+阅读 · 2019年9月30日
【干货书】数据科学手册,456页pdf
专知
12+阅读 · 2021年4月28日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
2+阅读 · 2022年4月19日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A Survey on Bayesian Deep Learning
Arxiv
60+阅读 · 2020年7月2日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关VIP内容
【2022新书】机器学习基础,225页pdf,Machine Learning The Basics
【干货书】机器学习算法视角,249页pdf
专知会员服务
135+阅读 · 2021年10月18日
【经典书】半监督学习,524页pdf
专知会员服务
134+阅读 · 2021年8月20日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
203+阅读 · 2020年1月13日
MATLAB玩转深度学习?新书「MATLAB Deep Learning」162页pdf
专知会员服务
98+阅读 · 2020年1月13日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
196+阅读 · 2019年9月30日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
2+阅读 · 2022年4月19日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
A Survey on Bayesian Deep Learning
Arxiv
60+阅读 · 2020年7月2日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
25+阅读 · 2018年1月24日
Top
微信扫码咨询专知VIP会员