小波变换与深度学习图像处理

　　本书结合小波变换和深度学习这两种先进的技术手段，系统地设计多种小波域上的依赖关系，对小波变换域联合建模进行深入的研究，从而显著地提高小波对图像特征的表示能力，并推动小波分析在理论和应用方面的发展。本书首先介绍小波变换的基本原理和相关的数学知识，以及小波变换在图像处理中的应用；其次详细地讲解深度学习相关的理论知识和常用的图像处理方法；然后详细地介绍深度神经网络的基础理论和网络组件，以案例形式介绍PyTorch深度学习框架；最后，详细地介绍深度神经网络常用网络组件和模型，重点介绍和分析ResNet模型、Transformer模型，以及现在主流的深度神经网络模型。

　　（1） 2010-09 至 2013-06， 电子科技大学， 信息与通信工程， 博士 （2） 2004-09 至 2007-06， 西华师范大学， 计算机应用技术， 硕士 （3） 1996-09 至 1999-06， 成都理工学院， 材料科学工程系， 大专（1） 2022-01 至 今， 宜宾学院， 人工智能与大数据学部， 教授（2） 2015-01 至 2021-12， 宜宾学院， 计算机与信息工程学院， 副教授（3） 2014-01 至 2015-11， 宜宾学院， 计算机与信息工程学院， 讲师（4） 2007-06 至 2013-12， 宜宾职业技术学院， 信息工程系， 讲师（5） 1999-07 至 2004-08， 四川省宜宾市国营七九九厂， 一零二分厂， 技术员机器视觉、人工智能1） Chaorong li， yuanyuan Huang， Yu xue， Dependence structure of Gabor wavelets for face recognition，Expert Systems With Applications， 2019， 一区，8.3