编辑推荐
本书是一本从工具、原理、算法3个维度指导读者零基础快速掌握目标检测技术及其应用的入门书。
内容简介
两位作者是资深的AI技术专家和计算机视觉算法专家，在阿里、腾讯、百度、三星等大企业从事计算机视觉相关的工作多年，不仅理论功底扎实、实践经验丰富，而且知道初学者进入计算机视觉领域的痛点和难点。据此，两位作者编写了这本针对目标检测初学者的入门书，希望从知识体系和工程实践的角度帮助读者少走弯路。
第1~2章是目标检测的准备工作，主要介绍了目标检测的常识、深度学习框架的选型、开发环境的搭建以及数据处理工具的使用。
第3~5章是目标检测的技术基础，主要讲解了数据预处理和卷积神经网络等图像分类技术的基础知识。
第6章比较详细地介绍了香港中文大学的开源算法库mmdetection。
第7~10章详细地讲解了目标检测的概念、原理、一阶段算法、二阶段算法以及提升算法性能的常用方法。
第11章简单介绍了目标检测的相关案例（以工业为背景），以帮助读者构建一个更完整的知识体系。
作者简介
作者涂铭，阿里巴巴数据架构师，对大数据、自然语言处理、图像识别、Python、Java相关技术有深入的研究，积累了丰富的实践经验。在工业领域曾参与了燃煤优化、设备故障诊断项目，正泰光伏电池片和组件EL图像检测项目；在自然语言处理方面，担任导购机器人项目的架构师，主导开发机器人的语义理解、短文本相似度匹配、上下文理解，以及通过自然语言检索产品库，在项目中构建了NoSQL+文本检索等大数据架构，也同时负责问答对的整理和商品属性的提取，带领NLP团队构建语义解析层。
章节目录
版权信息
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
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
深度学习与目标检测：工具、原理与算法是2021年由机械工业出版社出版,作者涂铭，金智勇。
得书感谢您对《深度学习与目标检测：工具、原理与算法》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
