《深度学习之图像识别：核心技术与案例实战》内容简介

本书全面介绍了深度学习在图像处理领域中的核心技术与应用。书中不但重视基础理论的讲解，而且从第4章开始的每章都提供了一到两个不同难度的案例供读者实践，读者可以在已有代码的基础上进行修改和改进，从而加深对所学知识的理解。本书共10章，首先从深度学习的基础概念开始，介绍了神经网络的基础知识和深度学习中的优化技术；然后系统地介绍了深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强以及数据的获取与整理；接着重点针对图像开发领域，用3章内容系统地介绍了深度学习在图像分类、图像分割和目标检测3个领域的核心技术与应用，这些内容的讲解均结合实战案例展开；另外，还对深度学习中损失函数的发展、数据和模型的可视化以及模型的压缩和优化进行了详细介绍，为读者设计和训练更加实用的模型提供了指导；最后以微信小程序平台为依托，介绍了微信小程序前后端开发技术，完成了深度学习的模型部署，让本书的内容形成了一个完整的闭环。本书理论与实践结合，深度与广度兼具，特别适合深度学习领域的相关技术人员与爱好者阅读，尤其适合基于深度学习的图像从业人员阅读，以全方位了解深度学习在图像领域中的技术全貌。另外，本书还适合作为相关培训机构的深度学习教材使用。
言有三编著

作品目录

前言
第1章：神经网络基础
1.1、神经网络的生物基础与数学模型
1.2、卷积神经网络基础
第2章：深度学习优化基础
2.1、深度学习主流开源框架
2.2、网络优化参数
第3章：深度学习中的数据
3.1、深度学习通用数据集的发展
3.2、常见的计算机视觉任务数据集
3.3、数据增强
3.4、数据的收集与标注
第4章：图像分类
4.1、图像分类基础
4.2、移动端实时表情分类实战
4.3、细粒度图像分类实战
第5章：图像分割
5.1、传统图像分割方法
5.2、深度学习图像分割
5.3、移动端实时图像分割项目
5.4、一个实时肖像换背景项目
第6章：目标检测
6.1、目标检测基础
6.2、深度学习目标检测方法
6.3、实战Faster-R-CNN目标检测
第7章：数据与模型可视化
7.1、数据可视化
7.2、模型可视化
7.3、可视化案例
第8章：模型压缩
8.1、模型压缩方法
8.2、模型压缩实战
第9章：损失函数
9.1、分类任务损失
9.2、回归任务损失
9.3、常见图像任务与loss使用
第10章：模型部署与上线
10.1、微信小程序前端开发
10.2、微信小程序服务端开发
10.3、Caffe环境配置