深度学习经典案例解析（基于MATLAB）

《深度学习经典案例解析（基于MATLAB）》分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐进地介绍了深度学习网络的构建、训练、应用，以及如何基于MATLAB快速生成可执行的C、C++代码并在硬件上部署实现，内容讲解由浅及深、层层递进。本书所讲解的案例均配有代码实现，并对代码进行了详细注解，读者可通过阅读代码对本书讲解的内容进行更加深入的了解。《深度学习经典案例解析（基于MATLAB）》适合对人工智能、深度学习技术感兴趣的工程技术人员阅读，也适合人工智能、计算机科学技术相关专业的本科生、研究生学习参考。

赵小川，博士，研究员，博士生导师，高新技术企业评审专家、武警装备智能化专家委员会委员；北京市科学技术委员会、自然科学基金委员会、陆军装备部项目评审专家；核心期刊《计算机工程》青年编委；期刊 Robotica 和《计算机应用研究》的审稿专家。研究方向为人工智能技术，在感知智能、交互智能、仿生智能等方面有所突破和创新；近年来，作为项目负责人主持科研项目共计20余项；以第一作发明人获得国家发明专利12项。

基础篇 案例1：巧妇难为无米之炊：数据集的制作与加载/ 1.1 机器学习中的数据集/ 1.2 如何加载MATLAB自带的数据集/ 1.3 如何加载自己制作的数据集/ 1.4 如何加载公开数据集：以CIFAR-10为例/ 1.5 如何划分训练集与验证集/ 1.6 如何扩充数据样本集/ 案例2：小试牛刀：如何构建一个卷积神经网络/ 2.1 CNN的核心——“卷积”/ 2.2 卷积神经网络的结构及原理/ 2.3 从仿生角度看卷积神经网络/ 2.4 基于深度学习工具箱函数构造卷积神经网络/ 2.5 采用 Deep Network Designer实现卷积网络设计/ 2.6 其他与构建深度网络相关的函数/ 案例3：精雕细琢：如何训练一个卷积神经网络/ 3.1 基本概念一点通/ 3.2 实例需求与实现步骤/ 3.3 构建卷积神经网络/ 3.4 训练卷积神经网络/ 3.5 例程实现与解析/ 应用篇 案例4：LeNet卷积神经网络的应用：红绿灯识别/ 4.1 LeNet卷积神经网络/ 4.2 基于改进LeNet的交通灯识别/ 4.3 例程实现与解析/ 案例5：AlexNet卷积神经网络的应用：基于迁移学习的图像分类/ 5.1 什么是迁移学习/ 5.2 从不同的角度看迁移学习/ 5.3 AlexNet网络的原理/ 5.4 基于AlexNet实现迁移学习的步骤/ 5.5 AlexNet的加载方法/ 5.6 如何对AlexNet进行改进以实现迁移学习/ 5.7 本节所用到的函数解析/ 5.8 例程实现与解析/ 5.9 采用Deep Network Designer辅助实现迁移学习/ 案例6：VGG16卷积神经网络的应用：融合卷积神经网络与支持向量机的物体识别/ 6.1 VGG16网络的原理及特点/ 6.2 支持向量机分类的原理/ 6.3 基于VGG16与SVM的物体识别/ 6.4 例程实现与解析/ 案例7：LSTM长短期记忆神经网络的应用：心电图信号分类/ 7.1 从时间的角度看序列性数据/ 7.2 序列建模之循环神经网络/ 7.3 基于门与记忆细胞构建序列模型的“长期依赖关系”/ 7.4 基于LSTM实现心电图信号分类的步骤/ 7.5 本节所用到的函数解析/ 7.6 例程实现与解析/ 案例8：ResNet残差网络的应用：新冠肺炎胸片检测/ 8.1 深度学习技术在抗击疫情中的应用/ 8.2 ResNet网络简介/ 8.3 基于ResNet的新冠肺炎胸片检测的实现步骤/ 8.4 ResNet的加载方法/ 8.5 对ResNet进行调整以实现迁移学习/ 8.6 例程实现与解析/ 实战篇 案例9：让机器的眼睛认识标志：基于RCNN的交通标志检测/ 9.1 目标分类、检测与分割/ 9.2 目标检测及其难点问题/ 9.3 R-CNN目标检测算法的原理及实现过程/ 9.4 基于Image Labeler的RCNN目标检测器构建/ 案例10：让机器的眼睛检测车辆：基于Video Labeler的车辆目标检测/ 10.1 车辆目标检测的需求/ 10.2 利用Video Labeler实现车辆目标检测的步骤/ 案例11：让机器的耳朵听明白声音：基于LSTM的日语元音序列分类示例/ 11.1 利用LSTM实现日语元音序列分类的步骤/ 11.2 日语元音序列分类程序详解/ 案例12：深度学习助力医学发展：基于Inception-v3网络迁移学习的视网膜病变检测/ 12.1 Inception-v3深度网络介绍/ 12.2 Kaggle竞赛眼疾检测数据集/ 12.3 数据集预处理/ 12.4 在InceptionV3上应用迁移学习实现DR图像分类/ 12.5 例程实现与解析/ 12.6 通过类激活映射来辅助诊断/ 案例13：知己知彼：深度神经网络的脆弱性及AI对抗技术/ 13.1 深度神经网络的脆弱性/ 13.2 AI对抗技术及其发展趋势/ 案例14：识音辨意：基于深度学习的语音识别/ 14.1 下载Spech Commands Dataset数据集/ 14.2 标注数据集/ 14.3 划分训练集、验证集和测试集/ 14.4 对音频原始文件预处理/ 14.5 建立网络/ 14.6 训练网络/ 14.7 评价最终结果/ 14.8 网络的大小与单次推理时间/ 案例15：方便快捷：深度学习模型代码的自动生成/ 15.1 深度学习网络模型：从开发到部署/ 15.2 MATLAB生成推理模型代码的步骤/ 15.3 安装GPU平台的代码生成工具/ 15.4 代码生成例程实现与解析/ 案例16：互通共享：如何将在Keras中设计训练的网络导入MATLAB深度学习工具箱中/ 16.1 导入网络的详细步骤/ 16.2 例程实现与解析/ 案例17：快速部署：如何将训练好的深度神经网络部署到树莓派上/ 17.1 什么是树莓派/ 17.2 SqueezeNet简介/ 17.3 自动生成C++代码及其在树莓派上的实现/ 参考文献