深度学习与图像处理实战

1.基础理论和实践开发相结合 为了读者能够快速地掌握相关理论以及技术并且投入到实际使用中，本书在前4章中引入了深度学习的前置知识点，并一一解析。并在6~12章中设置了深度学习的多个应用场景，使读者能够快速地将理论知识转换成实践经验。 2．合理、有效的组织 本书按照由浅入深的顺序，在逐渐丰富系统功能的同时，引入相关技术与知识，实现技术讲解与训练合二为一，有助于“教、学、做一体化”教学的实施。 3. 覆盖面广 本书基本覆盖了深度学习图像识别的多个应用方向如图像识别、目标检测、图像分割、图像生成等。

本书介绍了深度学习的历史、学习深度学习模型所需要的数学基础、深度学习模型的基本组成和常用深度学习模型的应用。本书共12章，第1～5章介绍深度学习基础、深度学习环境的安装与使用、神经网络的数学基础、搭建一个简单的神经网络、模型评估及模型调优等，第6～12章介绍VGG网络实现猫狗识别、ResNet实现手势识别、搭建MobileNet实现电表编码区域检测、FCN实现斑马线分割、基于U-Net的工业缺陷检测、GAN图像生成、ACGAN生成带标签图片等多个综合实例，通过在实践中融入理论，帮助读者掌握深度学习的概念和应用开发。
本书可以作为高职高专院校人工智能相关专业的教材，也可以作为人工智能领域相关培训教材，并适合想入门深度学习的人员和广大人工智能爱好者自学使用。

罗颖，女，现任苏州市工业职业技术学院软件与服务外包学院副院长、副教授，研究方向人工智能技术应用。曾任教于本科院校13年，具有较好的教学科研经验，目前主讲《C语言程序设计》、《关系数据库基础与应用》、《微信小程序开发》等多门课程。2014年以来，主持并参与市厅级以上项目多项，其中主持苏州市科技发展规划项目课题《面向养老服务业的人体行为智能化分析技术研究与应用》，参与江苏省教育厅科技项目《基于递归型数据中心网络的容错性研究》、江苏省科技计划体系项目《基于时间感知的多样性小众推荐算法技术研究》等，主编教材《Java Web云应用开发》，发表论文多篇。历任CCF苏州会员活动中心委员，苏州人工智能学会教育专委会常务理事等社会职务。

第1章 深度学习基础
1.1 深度学习的定义
1.2 深度学习的特点
1.3 深度学习的历史
1.3.1 深度学习的起源
1.3.2 深度学习的发展
1.3.3 深度学习的爆发
1.4 深度神经网络概述
1.4.1 VGGNet
1.4.2 GoogLeNet
1.4.3 ResNet
1.4.4 FCN
1.4.5 U-Net
1.4.6 Mask R-CNN
1.4.7 YOLO
1.5 深度学习的应用
1.5.1 图像领域
1.5.2 声音领域
1.5.3 文本领域
1.6 深度学习的未来趋势
本章小结
第2章 深度学习环境的安装与使用
2.1 Anaconda的安装与使用
2.1.1 Anaconda简介
2.1.2 Anaconda的安装
2.1.3 conda简介
2.2 TensorFlow环境搭建与使用
2.2.1 安装TensorFlow CPU版本
2.2.2 安装TensorFlow GPU版本
2.2.3 PyCharm的安装
2.2.4 PyCharm的使用
2.2.5 TensorFlow的使用
2.3 Keras简介与使用
2.3.1 Keras的意义
2.3.2 Keras的设计原则
2.3.3 Keras的工作方式
2.3.4 Keras快速上手
2.3.5 Keras简单实例
本章小结
第3章 神经网络的数学基础
3.1 矩阵
3.1.1 矩阵定义
3.1.2 矩阵加法
3.1.3 矩阵乘法
3.1.4 矩阵的转置
3.1.5 矩阵的逆
3.2 随机变量及概率分布
3.2.1 随机变量定义
3.2.2 离散型随机变量的概率分布
3.2.3 连续型随机变量及其概率密度函数
本章小结
第4章 搭建一个简单的神经网络
4.1 卷积神经网络的组成
4.1.1 卷积层
4.1.2 池化层
4.1.3 激活函数
4.1.4 全连接层
4.1.5 损失函数
4.2 实例——手写数字识别神经网络搭建
4.2.1 MNIST手写数字数据集简介
4.2.2 MNIST手写数字识别神经网络搭建
本章小结
第5章 模型评估及模型调优
5.1 评估指标
5.1.1 准确率
5.1.2 查准率
5.1.3 召回率
5.1.4 F1值
5.1.5 ROC与AUC
5.2 数据集处理
5.2.1 数据集划分
5.2.2 数据增强
5.3 模型调优
5.3.1 回调函数
5.3.2 超参数调整
5.3.3 模型结构调整
本章小结
第6章 VGG网络实现猫狗识别
6.1 VGG网络介绍
6.2 数据集介绍及处理
6.3 主干网络搭建与训练
6.4 模型训练结果测试
本章小结
第7章 ResNet实现手势识别
7.1 ResNet介绍
7.2 数据集介绍及处理
7.3 主干网络搭建并训练
7.4 模型训练结果测试
本章小结
第8章 搭建MobileNet实现电表编码区域检测
8.1 目标检测基础及YOLO网络介绍
8.1.1 目标检测基础
8.1.2 YOLO算法
8.1.3 下载YOLOv3源码
8.2 数据集介绍及处理
8.3 主干网络搭建与训练
8.4 模型结构修改
8.4.1 MobileNet简介
8.4.2 MobileNet搭建
8.4.3 网络模型替换
8.5 模型训练结果测试
本章小结
第9章 FCN实现斑马线分割
9.1 FCN简介
9.2 数据集介绍及处理
9.3 主干网络搭建与训练
9.4 模型训练结果测试
本章小结
第10章 基于U-Net的工业缺陷检测
10.1 U-Net简介
10.2 数据集介绍及处理
10.3 主干网络搭建与训练
10.4 模型训练结果测试
本章小结
第11章 DCGAN图像生成
11.1 GAN简介
11.2 数据集介绍及处理
11.3 主干网络搭建与训练
11.4 模型训练结果
本章小结
第12章 ACGAN生成带标签图片
12.1 ACGAN简介
12.2 数据集介绍及处理
12.3 主干网络搭建与训练
12.4 模型训练结果测试
本章小结