《深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)：算法原理、框架應(yīng)用與代碼實(shí)現(xiàn)》全面介紹了深度學(xué)習(xí)及計(jì)算機(jī)視覺(jué)中基礎(chǔ)的知識(shí)，并結(jié)合常見(jiàn)的應(yīng)用場(chǎng)景和大量實(shí)例，帶領(lǐng)讀者進(jìn)入豐富多彩的計(jì)算機(jī)視覺(jué)領(lǐng)域。作為一本“原理+實(shí)踐”教程，本書(shū)在講解原理的基礎(chǔ)上，通過(guò)有趣的實(shí)例帶領(lǐng)讀者一步步親自動(dòng)手，不斷提高動(dòng)手能力，而不是枯燥和深?yuàn)W原理的堆砌。

全書(shū)共13章，分為2篇。第1篇基礎(chǔ)知識(shí)，介紹了人工智能發(fā)展里程、計(jì)算機(jī)視覺(jué)概要、深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)中的基礎(chǔ)數(shù)學(xué)知識(shí)、神經(jīng)網(wǎng)絡(luò)及其相關(guān)的機(jī)器學(xué)習(xí)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)及其一些常見(jiàn)結(jié)構(gòu)，最后對(duì)最前沿的趨勢(shì)進(jìn)行了簡(jiǎn)單探討。第2篇實(shí)例精講，介紹了Python基礎(chǔ)、OpneCV基礎(chǔ)、最簡(jiǎn)單的分類(lèi)神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別、利用Caffe做回歸、遷移學(xué)習(xí)和模型微調(diào)、目標(biāo)檢測(cè)、度量學(xué)習(xí)和圖像風(fēng)格遷移等常見(jiàn)的計(jì)算機(jī)視覺(jué)應(yīng)用場(chǎng)景。從第5章開(kāi)始包含了很多有趣和實(shí)用的代碼示例。從第7章開(kāi)始的所有實(shí)例都基于當(dāng)前最流行的深度學(xué)習(xí)框架中的Caffe和MXNet，其中包含了作者原創(chuàng)的大量代碼和搜集的數(shù)據(jù)，這些代碼和作者訓(xùn)練好的部分模型已分享到本書(shū)github頁(yè)面上供讀者自行下載。

本書(shū)適合對(duì)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)感興趣的讀者閱讀。閱讀本書(shū)要求讀者具備一定的數(shù)學(xué)基礎(chǔ)和基本的編程能力，并需要讀者了解Linux的基本使用。

代碼庫(kù)地址：
https://github.com/frombeijingwithlove/dlcv_for_beginners

目錄

第1篇 基礎(chǔ)知識(shí)
第1章 引言 2
第2章 深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)中的基礎(chǔ)數(shù)學(xué)知識(shí) 27
第3章 神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)基礎(chǔ) 87
第4章 深度卷積神經(jīng)網(wǎng)絡(luò) 120
第2篇 實(shí)例精講
第5章 Python基礎(chǔ) 148
第6章 OpenCV基礎(chǔ) 182
第7章 Hello World! 212
第8章 最簡(jiǎn)單的圖片分類(lèi)——手寫(xiě)數(shù)字識(shí)別 227
第9章 利用Caffe做回歸 249
第10章 遷移學(xué)習(xí)和模型微調(diào) 264
第11章 目標(biāo)檢測(cè) 288
第12章 度量學(xué)習(xí) 304
第13章 圖像風(fēng)格遷移 317