小波變換與深度學習圖像處理

　　本書結合小波變換和深度學習這兩種先進的技術手段，系統(tǒng)地設計多種小波域上的依賴關系，對小波變換域聯(lián)合建模進行深入的研究，從而顯著地提高小波對圖像特征的表示能力，并推動小波分析在理論和應用方面的發(fā)展。本書首先介紹小波變換的基本原理和相關的數(shù)學知識，以及小波變換在圖像處理中的應用；其次詳細地講解深度學習相關的理論知識和常用的圖像處理方法；然后詳細地介紹深度神經網絡的基礎理論和網絡組件，以案例形式介紹PyTorch深度學習框架；最后，詳細地介紹深度神經網絡常用網絡組件和模型，重點介紹和分析ResNet模型、Transformer模型，以及現(xiàn)在主流的深度神經網絡模型。

　　（1） 2010-09 至 2013-06， 電子科技大學， 信息與通信工程， 博士 （2） 2004-09 至 2007-06， 西華師范大學， 計算機應用技術， 碩士 （3） 1996-09 至 1999-06， 成都理工學院， 材料科學工程系， 大專（1） 2022-01 至 今， 宜賓學院， 人工智能與大數(shù)據學部， 教授（2） 2015-01 至 2021-12， 宜賓學院， 計算機與信息工程學院， 副教授（3） 2014-01 至 2015-11， 宜賓學院， 計算機與信息工程學院， 講師（4） 2007-06 至 2013-12， 宜賓職業(yè)技術學院， 信息工程系， 講師（5） 1999-07 至 2004-08， 四川省宜賓市國營七九九廠， 一零二分廠， 技術員機器視覺、人工智能1） Chaorong li， yuanyuan Huang， Yu xue， Dependence structure of Gabor wavelets for face recognition，Expert Systems With Applications， 2019， 一區(qū)，8.3