【章名目錄】
第 1章 深度學(xué)習(xí)基礎(chǔ)
第 2章 底層視覺(jué)算法
第3章 圖像分類
第4章 圖像邊緣檢測(cè)與分割
第5章 計(jì)算機(jī)視覺(jué)算法
第6章 自然語(yǔ)言處理算法
第7章 自然語(yǔ)言處理應(yīng)用
第8章 深度模型部署
第9章 綜合應(yīng)用實(shí)踐案例
附錄 A　 Python安裝 …………………… 340
附錄 B　 PyTorch安裝與使用…………… 341

【詳細(xì)目錄】
第 1章 深度學(xué)習(xí)基礎(chǔ)
1.1　多層感知機(jī)介紹 …………………… 002
1.1.1　感知機(jī)的定義 ……………… 002
1.1.2　多層感知機(jī)中的激活函數(shù) … 003
1.2　卷積神經(jīng)網(wǎng)絡(luò) ……………………… 006
1.2.1　卷積神經(jīng)網(wǎng)絡(luò)特性與優(yōu)化方法 ………………………… 007
1.2.2　經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) … 014
1.3　 Transformer網(wǎng)絡(luò) ………………… 022
1.3.1　 ViT模型 …………………… 022
1.3.2　 DETR模型 ………………… 025
1.4　深度學(xué)習(xí)軟件平臺(tái)介紹 …………… 032
1.4.1　深度學(xué)習(xí)框架簡(jiǎn)介 ………… 032
1.4.2　 PyTorch深度學(xué)習(xí)框架 ……… 032
1.4.3　其他深度學(xué)習(xí)工具 ………… 037
1.5　本章作業(yè) …………………………… 039
1.5.1　習(xí)題 ………………………… 039
1.5.2　實(shí)驗(yàn) ………………………… 039

第 2章 底層視覺(jué)算法
2.1　低光圖像增強(qiáng) ……………………… 041
2.1.1　傳統(tǒng)低光圖像增強(qiáng) ………… 042
2.1.2　基于深度學(xué)習(xí)的低光圖像增強(qiáng) ………………………… 044
2.1.3　評(píng)價(jià)指標(biāo) …………………… 047
2.2　圖像超分辨率 ……………………… 049
2.2.1　基于模型的圖像超分辨率方法 ………………………… 049
2.2.2　基于深度學(xué)習(xí)的圖像超分辨率方法 ………………………… 051
2.3　圖像去噪 …………………………… 055
2.3.1　傳統(tǒng)圖像去噪算法 ………… 056
2.3.2　基于深度學(xué)習(xí)的圖像去噪算法 ………………………… 058
2.4　圖像去模糊 ………………………… 064
2.4.1　傳統(tǒng)圖像去模糊方法 ……… 065
2.4.2　基于深度學(xué)習(xí)的圖像去模糊方法 ………………………… 068
2.4.3　圖像去模糊數(shù)據(jù)集與評(píng)價(jià)指標(biāo) ………………………… 071
2.5　本章作業(yè) …………………………… 072
2.5.1　習(xí)題 ………………………… 072
2.5.2　實(shí)驗(yàn) ………………………… 072

第3章 圖像分類
3.1　圖像分類簡(jiǎn)介 ……………………… 074
3.2　 MNIST手寫數(shù)字識(shí)別 …………… 076
3.2.1　 MNIST數(shù)據(jù)集加載 ………… 076
3.2.2　訓(xùn)練分類網(wǎng)絡(luò) ……………… 077
3.2.3　模型測(cè)試與結(jié)果預(yù)測(cè) ……… 078
3.3　自然圖像分類 ……………………… 080
3.3.1　貓狗數(shù)據(jù)集加載和預(yù)處理 … 080
3.3.2　 ResNet 分類模型 …………… 083
3.3.3　模型測(cè)試與結(jié)果預(yù)測(cè) ……… 085
3.4　視覺(jué) Transformer圖像分類 ……… 086
3.4.1　 CIFAR-10數(shù)據(jù)集加載與預(yù)處理 ……………………… 087
3.4.2　構(gòu)建與訓(xùn)練 ViT模型 ……… 088
3.5　本章作業(yè) …………………………… 091
3.5.1　習(xí)題 ………………………… 091
3.5.2　實(shí)驗(yàn) ………………………… 091

第4章 圖像邊緣檢測(cè)與分割
4.1　邊緣檢測(cè) …………………………… 094
4.1.1　傳統(tǒng)邊緣檢測(cè)方法 ………… 095
4.1.2　基于深度學(xué)習(xí)的邊緣檢測(cè)方法 ………………………… 096
4.1.3　 HED邊緣檢測(cè)實(shí)踐 ………… 098
4.2　圖像分割 …………………………… 100
4.2.1　基于閾值的方法 …………… 101
4.2.2　基于區(qū)域的方法 …………… 102
4.2.3　基于圖論的方法 …………… 105
4.2.4　基于深度學(xué)習(xí)的方法 ……… 106
4.3　語(yǔ)義分割 …………………………… 107
4.3.1　語(yǔ)義分割經(jīng)典模型 ………… 108
4.3.2　通用語(yǔ)義分割模型設(shè)計(jì) …… 112
4.3.3　語(yǔ)義分割數(shù)據(jù)集 …………… 115
4.4　實(shí)例分割 …………………………… 115
4.4.1　實(shí)例分割算法介紹 ………… 116
4.4.2　數(shù)據(jù)集與評(píng)價(jià)指標(biāo) ………… 118
4.4.3　實(shí)例分割研究進(jìn)展及實(shí)踐 … 119
4.5　全景分割 …………………………… 122
4.5.1　全景分割方法 ……………… 123
4.5.2　全景分割評(píng)價(jià)指標(biāo)和數(shù)據(jù)集 ……………………… 123
4.5.3　全景特征金字塔網(wǎng)絡(luò)算法框架 ………………………… 124
4.6　本章作業(yè) …………………………… 128
4.6.1　習(xí)題 ………………………… 128
4.6.2　實(shí)驗(yàn) ………………………… 128

第5章 計(jì)算機(jī)視覺(jué)算法
5.1　視覺(jué)目標(biāo)檢測(cè) ……………………… 131
5.1.1　兩階段目標(biāo)檢測(cè)原理 ……… 132
5.1.2　兩階段目標(biāo)檢測(cè)算法實(shí)現(xiàn) … 133
5.1.3　單階段目標(biāo)檢測(cè)算法 ……… 139
5.1.4　 SSD目標(biāo)檢測(cè)算法實(shí)現(xiàn) …… 140
5.2　圖像顯著性檢測(cè) …………………… 142
5.2.1　傳統(tǒng)顯著性物體檢測(cè)方法 … 143
5.2.2　基于深度學(xué)習(xí)的顯著性物體檢測(cè)方法 ………………………… 143
5.2.3　顯著性物體檢測(cè)的典型框架 ………………………… 144
5.3　視覺(jué)目標(biāo)跟蹤 ……………………… 152
5.3.1　單目標(biāo)跟蹤方法 …………… 152
5.3.2　目標(biāo)跟蹤實(shí)驗(yàn) ……………… 154
5.4　人體姿態(tài)估計(jì) ……………………… 160
5.4.1　人體姿態(tài)分析概述 ………… 160
5.4.2　基于關(guān)鍵點(diǎn)回歸的人體姿態(tài)估計(jì) ………………………… 161
5.4.3　人體姿態(tài)估計(jì)實(shí)驗(yàn) ………… 163
5.5　人臉圖像分析 ……………………… 170
5.5.1　人臉圖像分析概述 ………… 170
5.5.2　人臉關(guān)鍵點(diǎn)檢測(cè)實(shí)驗(yàn) ……… 171
5.5.3　人臉表情分析實(shí)驗(yàn) ………… 179
5.6　本章作業(yè) …………………………… 188
5.6.1　習(xí)題 ………………………… 188
5.6.2　實(shí)驗(yàn) ………………………… 189

第6章 自然語(yǔ)言處理算法
6.1　語(yǔ)言模型 …………………………… 191
6.1.1　文本轉(zhuǎn)換為詞符序列 ……… 191
6.1.2　特殊詞符 …………………… 193
6.1.3　 N元組語(yǔ)言模型 …………… 193
6.2　文本向量表示 ……………………… 196
6.2.1　詞向量模型 ………………… 196
6.2.2　文檔向量 …………………… 202
6.3　文本分類 …………………………… 203
6.3.1　多層感知機(jī)與情感分類 …… 203
6.3.2　 Transformer MLP…………… 207
6.4　文本聚類 …………………………… 207
6.4.1　文本向量距離 ……………… 208
6.4.2　 K-means……………………… 209
6.5　文本生成 …………………………… 211
6.5.1　采樣方法 …………………… 212
6.5.2　典型性采樣 ………………… 212
6.5.3　 Beam Search ………………… 213
6.5.4　解碼策略函數(shù) ……………… 213
6.6　本章作業(yè) …………………………… 215
6.6.1　習(xí)題 ………………………… 215
6.6.2　實(shí)驗(yàn) ………………………… 216

第7章 自然語(yǔ)言處理應(yīng)用
7.1　從文本續(xù)寫到對(duì)話生成 …………… 218
7.1.1　從文本補(bǔ)全到對(duì)話模型 …… 218
7.1.2　對(duì)話模板概述 ……………… 219
7.1.3　對(duì)話模型部署 ……………… 220
7.2　模型微調(diào) …………………………… 222
7.2.1　有監(jiān)督微調(diào) ………………… 222
7.2.2　部分參數(shù)微調(diào) ……………… 223
7.2.3　 CoLLiE框架安裝與使用 …… 224
7.3　任務(wù)指令 …………………………… 228
7.3.1　常見(jiàn)指令 …………………… 228
7.3.2　通過(guò) PPL解答選擇題 ……… 229
7.3.3　上下文學(xué)習(xí) ………………… 230
7.4　格式化輸出 ………………………… 232
7.4.1　格式化輸出概述 …………… 232
7.4.2　工具調(diào)用 …………………… 233
7.4.3　一致性投票 ………………… 235
7.5　檢索增強(qiáng) …………………………… 237
7.5.1　 BM25………………………… 237
7.5.2　向量檢索 …………………… 239
7.5.3　內(nèi)容溯源 …………………… 239
7.6　本章作業(yè) …………………………… 240
7.6.1　習(xí)題 ………………………… 240
7.6.2　實(shí)驗(yàn) ………………………… 240

第8章 深度模型部署
8.1　深度模型剪枝 ……………………… 242
8.1.1　模型剪枝簡(jiǎn)介 ……………… 242
8.1.2　卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)化剪枝 … 244
8.1.3　卷積神經(jīng)網(wǎng)絡(luò)稀疏性剪枝 … 249
8.1.4　 Transformer網(wǎng)絡(luò)動(dòng)態(tài)剪枝 … 251
8.2　深度模型量化 ……………………… 255
8.2.1　深度模型量化簡(jiǎn)介 ………… 255
8.2.2　卷積神經(jīng)網(wǎng)絡(luò)對(duì)稱后量化 … 259
8.2.3　卷積神經(jīng)網(wǎng)絡(luò)量化感知訓(xùn)練 263
8.3　深度學(xué)習(xí)模型嵌入式平臺(tái)部署 …… 266
8.3.1　深度學(xué)習(xí)模型部署概述 …… 266
8.3.2　模型部署工具 ……………… 268
8.4　本章作業(yè) …………………………… 270
8.4.1　習(xí)題 ………………………… 270
8.4.2　實(shí)驗(yàn) ………………………… 270

第9章 綜合應(yīng)用實(shí)踐案例
9.1　智能小車綜合實(shí)踐 ………………… 273
9.1.1　智能小車的手勢(shì)識(shí)別實(shí)踐 … 273
9.1.2　智能小車的自動(dòng)循跡實(shí)踐 … 286
9.2　無(wú)人機(jī)綜合實(shí)踐 …………………… 298
9.2.1　實(shí)踐整體框架 ……………… 298
9.2.2　實(shí)踐軟硬件配置 …………… 299
9.2.3　數(shù)據(jù)流推流 ………………… 299
9.2.4　目標(biāo)檢測(cè)跟蹤算法 ………… 302
9.2.5　服務(wù)器模型部署 …………… 310
9.3　智能安防綜合實(shí)踐 ………………… 311
9.3.1　網(wǎng)絡(luò)視頻推流簡(jiǎn)介 ………… 312
9.3.2　基于 YOLOv5的火災(zāi)煙霧檢測(cè) ………………………… 317
9.3.3　公共場(chǎng)所人流量統(tǒng)計(jì) ……… 327
9.3.4　目標(biāo)人物跟蹤 ……………… 334
9.4　本章作業(yè) …………………………… 338
9.4.1　習(xí)題 ………………………… 338
9.4.2　實(shí)驗(yàn) ………………………… 338

附錄 A　 Python安裝 …………………… 340
附錄 B　 PyTorch安裝與使用…………… 341
參考文獻(xiàn)…………………………………… 342