人工智能实验简明教程

本书实验体系完备，对每个实验均从原理、实际操作到所应用平台环境进行详实介绍，符合人工智能发展的特质与人才培养的需求，读者可通过本书的指导，对实验进行整体了解并独立完成实验，提高自身实验创新能力。

随着人工智能的飞速发展及广泛应用，人工智能专业教育正在逐步完善，作为国内人丁智能领域的创新性实验教材，本书结合人工智能的理论、实践和创新型，实现了优选性与新颖性并举，内容涵盖了图像、语音、文本和视频等人工智能技术广泛应用的多个领域，涉及识别、分类、检测、预测、跟踪和维重建等多类实验任务。内容与理论教学相呼应，注重趣味性，极具实操性。本书实验体系完备，对每个实验均从原理、实际操作到所应用平台环境进行详细介绍，符合人工智能发展的特质与人才培养的需求，读者可通过对本书内容的学习，对实验进行整体了解并独立完成实验，提高自身创新能力。本书可作为高等院校人工智能、智能科学与技术、大数据技术、智能机器人、智能医学工程、网络工程,物联网技术、航天工程、电子科学与技术、控制科学与工程、信息与通信工程等专业及学科的本科生、硕士、博士研究生的实验教材。同时也可以供有一定专业知识储备的科研人员、从业者、人工智能爱好者参考。

第1章聊天机器人
1.1背景介绍
1.2算法原理
1.2.1数据预处理
1.2.2seq2seq模型原理
1.2.3网络结构介绍
1.3实验操作
1.3.1代码介绍
1.3.2数据集介绍
1.3.3实验操作及结果
1.4总结与展望
1.5参考文献
第2章老照片上色
2.1背景介绍
2.2算法原理
2.2.1实验训练部分
2.2.2实验测试部分
2.2.3网络结构介绍
2.3实验操作
2.3.1代码介绍
2.3.2数据集介绍
2.3.3实验操作及结果
2.4总结与展望
2.5参考文献
第3章图像修复
3.1背景介绍
3.2算法原理
3.2.1基础知识介绍
3.2.2边缘生成网络
3.2.3图像补所有渠道络
3.2.4网络结构介绍
3.3实验操作
3.3.1代码介绍
3.3.2数据集介绍
3.3.3实验操作及结果
3.4总结与展望
3.5参考文献
第4章语义图生成风景图
4.1背景介绍
4.2算法原理
4.2.1GAN模型原理
4.2.2pix2pix网络模型原理
4.2.3网络结构介绍
4.3实验操作
4.3.1代码介绍
4.3.2数据集介绍
4.3.3实验操作及结果
4.4总结与展望
4.5参考文献
第5章文本转图像实验
5.1背景介绍
5.2算法原理
5.2.1词向量
5.2.2双向长短时记忆网络
5.2.3注意力机制
5.2.4网络结构介绍
5.3实验操作
5.3.1代码介绍
5.3.2数据集介绍
5.3.3实验操作及结果
5.4总结与展望
5.5参考文献
第6章2D实时多人姿态估计
6.1背景介绍
6.2算法原理
6.2.1同时检测和关联网络
6.2.2关节检测的置信图算法
6.2.3关节关联的部分亲和力字段算法
6.2.4使用PAFs的多人解析算法
6.2.5网络结构介绍
6.3实验操作
6.3.1代码介绍
6.3.2数据集介绍
6.3.3实验操作及结果
6.4总结与展望
6.5参考文献
第7章图像分割
7.1背景介绍
7.2算法原理
7.2.1残差网络
7.2.2区域候选网络
7.2.3感兴趣区域校准
7.2.4分类、回归与分割
7.2.5网络结构介绍
7.3实验操作
7.3.1代码介绍
7.3.2数据集介绍
7.3.3实验操作及结果
7.4总结与展望
7.5参考文献
第8章图像超分辨率
8.1背景介绍
8.2算法原理
8.2.1预处理
8.2.2特征提取
8.2.3非线性映射
8.2.4图像重建
8.2.5网络结构介绍
8.3实验操作
8.3.1代码介绍
8.3.2数据集介绍
8.3.3实验操作及结果
8.4总结与展望
8.5参考文献
第9章视频目标跟踪
9.1背景介绍
9.2算法原理
9.2.1基础知识
9.2.2SiamRPN模型介绍
9.2.3SiamRPN++网络结构
9.3实验操作
9.3.1代码介绍
9.3.2数据集介绍
9.3.3实验操作及结果
9.4总结与展望
9.5参考文献
第10章人物年龄性别及情绪预测
10.1背景介绍
10.2算法原理
10.2.1Xception模型介绍
10.2.2Softmax分类器
10.2.3网络结构介绍
10.3实验操作
10.3.1代码介绍
10.3.2数据集介绍
10.3.3实验操作及结果
10.4总结与展望
10.5参考文献
第11章人脸老化与退龄预测
11.1背景介绍
11.2算法原理
11.2.1相关概念介绍
11.2.2算法流程简介
11.2.3网络结构介绍
11.3实验操作
11.3.1代码介绍
11.3.2数据集介绍
11.3.3实验操作及结果
11.4总结与展望
11.5参考文献
第12章目标检测
12.1背景介绍
12.2算法原理
12.2.1提取区域建议
12.2.2RoI池化层
12.2.3网络结构介绍
12.3实验操作
12.3.1代码介绍
12.3.2数据集介绍
12.3.3实验操作及结果
12.4总结与展望
12.5参考文献
第13章眼部图像语义分割
13.1背景介绍
13.2算法原理
13.2.1数据预处理
13.2.2下采样模块
13.2.3上采样模块
13.2.4损失函数
13.2.5网络结构介绍
13.3实验操作
13.3.1代码介绍
13.3.2数据集介绍
13.3.3实验操作及结果
13.4总结与展望
13.5参考文献
第14章语音识别
14.1背景介绍
14.2算法原理
14.2.1语音信号预处理
14.2.2语音信号特征提取
14.2.3语音文本输出
14.2.4双向循环神经网络
14.2.5Softmax分类器
14.2.6网络结构介绍
14.3实验操作
14.3.1代码介绍
14.3.2数据集介绍
14.3.3实验操作及结果
14.4总结与展望
14.5参考文献
第15章AI对对联
15.1背景介绍
15.2算法原理
15.2.1自然语言处理概述
15.2.2递归神经网络
15.2.3网络结构介绍
15.3实验操作
15.3.1代码介绍
15.3.2数据集介绍
15.3.3实验操作及结果
15.4总结与展望
15.5参考文献
第16章手写体风格转化
16.1背景介绍
16.2算法原理
16.2.1RNN预测网络
16.2.2网络结构介绍
16.3实验操作
16.3.1代码介绍
16.3.2数据集介绍
16.3.3实验操作及结果
16.4总结与展望
16.5参考文献
第17章图像风格化
17.1背景介绍
17.2算法原理
17.2.1损失函数的定义
17.2.2风格迁移网络
17.2.3风格预测网络
17.2.4网络结构介绍
17.3实验操作
17.3.1代码介绍
17.3.2数据集介绍
17.3.3实验操作及结果
17.4总结与展望
17.5参考文献
第18章三维人脸重建
18.1背景介绍
18.2算法原理
18.2.1人脸检测及数据预处理
18.2.2人脸姿态、形状、表情网络
18.2.3数据后处理
18.2.4网络结构介绍
18.3实验操作
18.3.1代码介绍
18.3.2数据集介绍
18.3.3实验操作及结果
18.4总结与展望
18.5参考文献