认知篇
第1章 人工智能、深度学习和计算机视觉
1.1 人工智能简介
1.2 人工智能的发展
1.3 深度学习简介
1.4 计算机视觉
第2章 卷积神经网络及应用介绍
2.1 神经网络结构
2.1.1 神经元与感知器
2.1.2 神经网络
2.2 图像识别的任务
2.2.1 视觉感知
2.2.2 图像表达
2.2.3 画面不变性
2.3 卷积神经网络结构
2.3.1 卷积层
2.3.2 池化
2.3.3 激活函数
2.3.4 全连接层
2.3.5 卷积神经网络训练
2.4 软件环境安装
2.4.1 Python环境安装
2.4.2 Numpy功能包安装
2.5 卷积神经网络代码详解
2.5.1 Numpy功能包导入
2.5.2 卷积层的实现
2.5.3 MaxPooling层的实现
2.6 网络参数调整或微调
框架篇
第3章 图像分类及目标检测
3.1 图像分类简介
3.1.1 AlexNet
3.1.2 VGG
3.1.3 GoogLeNet
3.1.4 ReSNet
3.2 目标检测
3.2.1 目标检测简介
3.2.2 RCNN基础
3.2.3 Faster RCNN原理
3.2.4 Yolo系列算法
3.2.5 Yolov3案例
第4章 PyTorch基础
4.1 PyTorch简介
4.1.1 Tensor数据类型
4.1.2 Tensor运算
4.1.3 搭建简单的神经网络
4.2 自动求梯度
4.3 构建模型和优化参数
4.3.1 torch.nn
4.3.2 torch.optim
4.4 案例:基于PyTorch的CIFAR-10图片分类
第5章 PaddlePaddle基础
5.1 PaddlePaddle卷积神经网络基础
5.1.1 CNN的构成
……
实战篇
参考文献
^ 收 起