深度学习与目标检测(第2版)

《深度学习与目标检测（第2版）》注重深度学习目标检测领域从概念到实例的过渡，概念讲解与实例对应，实例包含医学影像识别、车辆识别等多个领域。

   本书的写作初衷是，从学者的角度，用一种通俗易懂的方式，将基于深度学习的目标检测的相关论文中的理论和方法呈现给读者，同时针对作者在深度学习教学过程中遇到的难点，进行深入的分析和讲解。

本书侧重对卷积神经网络的介绍，而深度学习的内容不止于此。所以，作者将深度学习分为有监督学习、无监督学习和强化学习三类，将图像分类、目标检测、人脸识别、语音识别、双向生成对抗网络和AlphaGo等应用场景归入不同的类别，并分别对其原理进行了概括性的讲解。

本书适合有一定深度学习或目标检测学习基础的学生、研究者、从业者阅读。

"杜鹏，博士，华为昇腾AI技术专家，主要研究方向为异构计算、计算机图形学、人工智能等，曾在韩国科学技术院、新加坡南洋理工大学、杭州电子科技大学从事科研与教学工作，在SIGGRAPH、 CVPR、ICCV等国际有名会议发表论文十余篇。 苏统华，博士， 哈尔滨工业大学副教授、软件学院副院长，主要研究领域包括大规模模式识别与手写汉字识别、深度学习方法与GPU计算等。作为自然手写体中文文本识别的开拓者，建立领域内抢先发售手写中文库（HIT-MW库）。该库为国内外约200家科研院所采用，获得两个国际手写汉字识别竞赛第一名。 王波，主要从事位姿估计、图像分割／生成等计算机视觉算法研究与应用，研究成果发表在CVPR、AAAI等国际有名学术会议上。 谌明，博士，2004年加入美国道富集团， 2011年加入浙江核新同花顺网络信息股份有限公司并任首席技术官，推动了包括计算机视觉、语音技术、自然语言处理、机器学习等在金融、医疗等领域的商业化落地。"

基础篇
第1章深度学习概述2
1.1深度学习发展简史2
1.2有监督学习4
1.2.1图像分类4
1.2.2目标检测6
1.2.3人脸识别10
1.2.4语音识别13
1.3无监督学习17
1.3.1无监督学习概述18
1.3.2双向生成对抗网络18
1.4强化学习21
1.4.1AlphaGo22
1.4.2AlphaGoZero24
1.5小结25
参考资料25
第2章深度神经网络28
2.1神经元28
2.2感知机31
2.3前向传递32
2.3.1前向传递的流程33
2.3.2激活函数34
2.3.3损失函数38
2.4后向传递41
2.4.1后向传递的流程41
2.4.2梯度下降41
2.4.3参数修正43
2.5防止过拟合45
2.5.1dropout46
2.5.2正则化46
2.6小结47
第3章卷积神经网络48
3.1卷积层49
3.1.1valid卷积49
3.1.2full卷积51
3.1.3same卷积52
3.2池化层53
3.3反卷积54
3.4感受野56
3.5卷积神经网络实例57
3.5.1LeNet-558
3.5.2AlexNet60
3.5.3VGGNet63
3.5.4GoogLeNet66
3.5.5ResNet76
3.5.6MobileNet77
3.6小结79
进阶篇
第4章两阶段目标检测方法82
4.1R-CNN82
4.1.1算法流程82
4.1.2训练过程83
4.2SPP-Net87
4.2.1网络结构87
4.2.2空间金字塔池化88
4.3FastR-CNN89
4.3.1感兴趣区域池化层90
4.3.2网络结构91
4.3.3全连接层计算加速92
4.3.4目标分类93
4.3.5边界框回归94
4.3.6训练过程95
4.4FasterR-CNN99
4.4.1网络结构100
4.4.2RPN101
4.4.3训练过程107
4.5R-FCN109
4.5.1R-FCN网络结构110
4.5.2位置敏感的分数图111
4.5.3位置敏感的RoI池化111
4.5.4R-FCN损失函数113
4.5.5Caffe网络模型解析113
4.5.6U-Net117
4.5.7SegNet118
4.6MaskR-CNN119
4.6.1实例分割简介119
4.6.2COCO数据集的像素级标注121
4.6.3网络结构121
4.7小结125
参考资料125
第5章单阶段目标检测方法126
5.1SSD126
……