《深度学习与目标检测》内容简介

随着深度学习技术的发展、计算能力的提升和视觉数据的增加，计算机视觉技术在图像搜索、智能相册、人脸闸机、城市智能交通管理、智慧医疗等诸多领域都取得了令人瞩目的成绩。越来越多的人开始关注这个领域。计算机视觉包含多个分支，其中图像分类、目标检测、图像分割、目标跟踪等是计算机视觉领域最重要的几个研究课题。本书介绍的目标检测技术，本质上就是通过计算机运行特定的算法，检测图像中一些受关注的目标。当今时代，我们很容易在互联网上找到目标检测算法的开源代码，运行代码并不是什么难事，但理解其中的原理却有一定的难度。我们编写本书的目的就是由浅入深地向读者讲解目标检测技术，用相对通俗的语言来介绍算法的背景和原理，在读者“似懂非懂”时给出实战案例。实战案例的代码已全部通过线下验证，代码并不复杂，可以很好地帮助读者理解算法细节，希望读者在学习理论之后可以亲自动手实践。目标检测的理论和实践是相辅相成的，希望本书可以带领读者走进目标检测的世界。
本书作者涂铭，金智勇。

作品目录

前言
第1章：目标检测概述
1.1、什么是目标检测
1.2、典型的应用场景
1.3、目标检测技术发展简史
1.4、目标检测领域重要的公开评测集
1.5、本章小结
第2章：目标检测前置技术
2.1、深度学习框架
2.2、搭建开发环境
2.3、NumPy使用详解
2.4、本章小结
第3章：卷积神经网络
3.1、卷积神经网络基础
3.2、本章小结
第4章：数据预处理
4.1、数据增强
4.2、数据的探索——Kaggle猫狗大战
4.3、本章小结
第5章：常见卷积神经网络结构
5.1、LeNet神经网络
5.2、AlexNet神经网络
5.3、VGGNet神经网络
5.4、GoogLeNet神经网络
5.5、ResNet
5.6、DenseNet
5.7、其他网络结构
5.8、实战案例
5.9、计算图像数据集的RGB均值和方差
5.10、本章小结
第6章：mmdetection工具包介绍
6.1、mmdetection概要
6.2、mmdetection支持的检测框架和算法实现
6.3、搭建mmdetection开发环境
6.4、使用入门
6.5、标注图像
6.6、实战案例
6.7、本章小结
第7章：目标检测的基本概念
7.1、概念详解
7.2、本章小结
第8章：两阶段检测方法
8.1、R-CNN算法
8.2、SPP-Net算法
8.3、Fast
R-CNN算法及训练过程
8.4、Faster
R-CNN算法及训练过程
8.5、Faster
R-CNN代码解析
8.6、本章小结
第9章：检测算法的进一步改进
9.1、特征金字塔
9.2、焦点损失函数
9.3、本章小结
第10章：一阶段检测算法
10.1、YOLO算法
10.2、SSD算法
10.3、FCOS算法
10.4、本章小结
第11章：工业AI的发展
11.1、工业AI的概念和互联网
11.2、工业AI落地应用
11.3、工业生产中的缺陷检测问题
11.4、目标检测在工业中的案例：面板行业ADC解决方案
11.5、本章小结