深度学习与图像识别

第1章  深度学习概述及环境配置 1
1.1  深度学习概述 1
1.1.1  人工智能、机器学习和深度学习的关系 1
1.1.2  监督式学习与非监督式学习 2
1.1.3  深度学习的意义 3
1.1.4  人脑视觉原理 3
1.1.5  深度学习原理 3
1.1.6  深度学习的应用 9
1.2  深度学习环境配置 10
1.2.1  环境安装简介 10
1.2.2  安装Anaconda 11
1.2.3  配置Anaconda环境 12
1.2.4  安装PyCharm 13
1.2.5  新建项目 15
1.2.6  Jupyter Notebook的Anaconda环境配置 17
1.2.7  使用pip命令安装软件 18
第2章  深度学习常用工具包入门 20
2.1  数学基础 20
2.1.1  NumPy数组生成与reshape计算 21
2.1.2  转置实现 21
2.1.3  矩阵乘法 22
2.1.4  矩阵对应元素运算 23
2.2  常用函数 23
2.2.1  Sigmoid函数 24
2.2.2  tanh函数 25
2.2.3  ReLU函数 26
2.2.4  Softmax函数 27
2.2.5  导数 28
2.3  深度学习常用模块 28
2.3.1  os模块 28
2.3.2  NumPy模块 29
2.3.3  Matplotlib模块 32
2.3.4  Pandas模块 41
2.3.5  OpenCV模块 45
第3章  深度学习基本入门与进阶 48
3.1  深度学习基本原理入门 48
3.1.1  案例一：逻辑“与”问题 48
3.1.2  感知器参数预测与训练 50
3.2  深度学习基本原理进阶 52
3.2.1  案例二：“三好学生”问题 52
3.3.2  感知器参数预测与训练 53
第4章  Keras“三好学生”训练与预测实战 58
4.1  Keras简介 58
4.2  Keras案例实战 60
4.2.1  数据集产生 60
4.2.2  数据读取与处理 61
4.2.3  模型建立与训练 63
第5章  Keras手写字体图像识别实战 66
5.1  深度神经网络原理与实战 66
5.1.1  深度神经网络概述 66
5.1.2  多层感知器原理 67
5.1.3  MNIST数据集概述 68
5.1.4  使用Keras构建多层感知器模型 69
5.2  卷积神经网络原理与实战 76
5.2.1  卷积神经网络概述 76
5.2.2  池化的基本原理 78
5.2.3  使用Keras构建卷积神经网络 79
5.2.4  Keras模型保存与加载 81
5.2.5  Keras模型预测 81
第6章  人脸识别项目实战 83
6.1  人脸识别原理 83
6.1.1  人脸检测 84
6.1.2  人脸对齐 86
6.1.3  人脸编码 87
6.1.4  人脸匹配 87
6.2  使用Keras构建人脸识别模型 88
6.2.1  数据集准备 88
6.2.2  模型设计与训练 93
6.2.3  使用模型进行识别 104
第7章  目标检测项目实战 108
7.1  目标检测原理 108
7.1.1  R-CNN原理 109
7.1.2  YOLO原理 110
7.2  Keras口罩检测项目实战 113
7.2.1  运行默认预测代码 114
7.2.2  训练口罩检测模型 116
7.2.3  使用模型进行预测 123
第8章  人脸考勤系统综合项目实战 126
8.1  摄像头视频读取与显示 126
8.2  人脸检测 128
8.3  人脸识别 130
8.4  人脸信息录入 134
8.5  匹配图像显示 138
8.6  图像拼接展示 142
8.7  口罩检测 147
8.8  语音播报 149
参考文献 152

本书基于深度学习Keras框架，介绍了深度学习基本原理及计算机视觉图像处理的基础知识。本书内容由浅入深，语言通俗易懂，从基本原理、实践应用、基础案例、综合案例等层层递进，既适合完全没有基础的读者迅速上手入门，又能让有经验的读者深入了解深度学习与图像识别的核心技术。本书尽可能避开复杂的数学推理公式，以常见的实际应用项目为案例，让读者在循序渐进的学习中深刻体会Keras作为深度学习框架的魅力。
  本书提供了大量编程实例及配套资源，包括源代码、软件、数据集等，并详细注明了案例代码路径。
  本书既可作为高职院校人工智能专业的教材与参考书，也可作为图像识别爱好者及深度学习入门者的自学用书，还可供从事人工智能相关行业的工程师、科研工作者、岗位培训师等参考。