目录

第1部分基础篇

第1章人工智能基础

1.1人工智能概述

1.1.1什么是人工智能

1.1.2人工智能的发展历程

1.2计算机视觉基础

1.2.1机器对图像的感知

1.2.2传统图像处理方法的探索

1.2.3特征表达与提取技术

1.2.4深度学习图像识别原理

1.3深度学习在实际中的应用

1.3.1图像分类与识别

1.3.2图像目标检测

1.3.3图像分割与轮廓提取

1.3.4图像描述生成

1.3.5图像问答系统

1.3.6图像生成与创作

1.4本章小结

第2章深度学习的基本原理

2.1神经网络的实现方法

2.1.1前向传播

2.1.2反向传播

2.2梯度与自动微分

2.2.1梯度下降与优化

2.2.2局部最优与鞍点

2.2.3梯度消失与爆炸问题

2.3参数优化与更新策略

2.3.1损失函数与优化目标

2.3.2优化器与激活函数

2.3.3学习率的自适应调整

2.4本章小结

第3章卷积神经网络的基本构建

3.1卷积层的多种操作

3.1.1卷积运算的基本原理

3.1.2常规卷积操作

3.1.3深度可分离卷积

3.1.4分组卷积与扩展卷积

3.2可变形卷积技术

3.2.1可变形卷积的数学基础

3.2.2可变形卷积的网络结构

3.2.3可变形卷积的应用

3.3反卷积与目标分割

3.3.1反卷积的数学原理

3.3.2全卷积网络

3.3.3反卷积在全卷积网络中的应用

3.4池化层的多重特性

3.4.1下采样与池化操作

3.4.2上采样与特征扩充

3.5全连接层的作用与影响

3.5.1全连接层的基本原理

3.5.2全连接层之间的关联性

3.6数据标准化和正则化

3.6.1数据标准化的重要性

3.6.2批标准化与层标准化

3.6.3正则化方法

3.7本章小结

第4章PyTorch的基本应用

4.1PyTorch简介与环境搭建

4.1.1了解PyTorch框架

4.1.2搭建PyTorch开发环境

4.2PyTorch基本语法与操作

4.2.1张量(Tensor) 的基础概念

4.2.2张量的运算与操作

4.3PyTorch中的自动微分

4.3.1自动微分原理与应用

4.3.2构建可微分变量

4.3.3自动微分的演示示例

4.4模型的保存与加载

4.4.1保存与加载可训练参数

4.4.2完整模型的保存与加载

4.4.3多模型的管理与加载

4.5跨设备模型加载

4.5.1在CPU和GPU之间切换加载

4.5.2多GPU环境下的模型加载

4.6权重的修改与调整

4.6.1权重可视化与分析

4.6.2在多GPU环境中修改权重

4.7本章小结

第2部分应用篇

第5章分类识别技术与应用

5.1应用背景

5.2卷积神经网络的设计与构建

5.2.1CRNN神经网络架构

5.2.2卷积核的作用与选择

5.2.3特征图提取与表示

5.2.4池化操作的降维效果

5.2.5网络结构的定义与构建

5.3卷积神经网络的训练与评测

5.3.1数据集准备与预处理

5.3.2数据集解析与样本分析

5.3.3网络模型的训练过程

5.3.4网络模型的性能测试与评估

5.4应用集成开发与界面设计

5.5本章小结

第6章目标检测技术与应用

6.1应用背景

6.2目标检测的候选框生成策略

6.2.1背景和应用知识

6.2.2滑窗技术

6.2.3区域候选框

6.2.4基于选择性搜索的检测框架

6.3神经网络在目标检测中的应用

6.3.1残差连接

6.3.2锚框 

6.3.3空间金字塔池化

6.3.4区域生成网络 


6.3.5边框回归技术

6.4主干神经网络的选择与应用

6.4.1AlexNet 

6.4.2VGGNet

6.4.3ResNet

6.5单阶段目标检测模型

6.5.1SSD模型

6.5.2YOLO模型

6.6双阶段目标检测模型

6.6.1RCNN模型

6.6.2Faster RCNN模型

6.6.3RFCN模型

6.7本章小结

第7章基于视觉大数据检索的图搜图应用

7.1应用背景

7.2视觉特征提取

7.2.1CNN模型选择

7.2.2CNN深度特征

7.3视觉特征索引

7.4视觉搜索引擎

7.5集成应用开发

7.6本章小结

第8章验证码AI识别

8.1应用背景

8.2验证码图像生成

8.2.1基础字符模板

8.2.2验证码图模拟

8.2.3验证码数据库

8.3验证码识别模型

8.3.1CNN模型训练

8.3.2CNN模型测试

8.4集成应用开发

8.4.1数据集标注

8.4.2数据集分割

8.4.3CNN模型训练

8.4.4CNN模型应用

8.5本章小结


第9章基于生成式对抗网络的图像生成应用

9.1应用背景

9.2生成式对抗网络模型

9.2.1卡通头像大数据

9.2.2GAN网络设计

9.2.3GAN网络训练

9.2.4GAN网络测试

9.3集成应用开发

9.4本章小结

第10章肺炎感染影像智能识别

10.1应用背景

10.2肺炎感染影像识别

10.2.1肺炎感染影像大数据

10.2.2CNN迁移设计

10.2.3CNN迁移训练

10.2.4CNN迁移评测

10.2.5CNN融合识别

10.3集成应用开发

10.4本章小结

第11章基于深度学习的人脸二维码识别

11.1应用背景

11.2QR编译码

11.2.1QR编码

11.2.2QR译码

11.2.3内容加密

11.3人脸压缩

11.3.1人脸建库

11.3.2人脸降维

11.3.3人脸重构

11.3.4人脸转码

11.4CNN分类识别

11.5集成应用开发

11.6本章小结

第12章污损遮挡号牌识别与违法行为检测

12.1应用背景

12.2理论基础

12.2.1算法模型的选择与解释

12.2.2污损遮挡号牌定位算法

12.2.3号牌号码识别算法

12.3功能设计

12.3.1构建车辆号牌数据集

12.3.2权重文件的适配与编辑

12.3.3模型参数的配置与调整

12.3.4阈值分析与结果解读

12.4功能实现

12.5本章小结

参考文献