深度学习工程实践

本书包含代码实践和案例实践，运用OpenCV、PyTorch等框架工具详细讲解中文车牌识别检测、采用三元组的FaceNet人脸识别理论与实践、车道检测的两种深度学习思路及烟雾检测4大实践项目。相关理论可参考《基于深度学习的目标检测原理与应用》一书，从而学以致用、融会贯通。

翟中华，清华大学经管学院《创新创业实验室》实践项目指导老师、北京洪策元创智能科技有限公司CEO、AI火箭营首席讲师。毕业于清华大学，长期从事机器学习、深度学习等方面的工作，先后在互联网、互联网金融等行业公司主持技术工作，曾在互联网征信、大数据等行业公司任技术总监。在AI火箭营讲授的课程《深度学习理论与Pytorch实践》广受好评。自ChatGPT发布以来，积极布局GPT技术与应用，已在国外先进开源模型基础上训练中文自研模型，开发了智能客服、智能律师助手、智能问诊助理等行业大模型应用。

第1章 本书实践项目 001 
1.1 中文车牌识别检测 001 
1.2 采用三元组的FaceNet人脸识别理论与实践 002 
1.3 车道检测的两种深度学习思路 003 
1.4 烟雾检测 004 
第2章 中文车牌识别检测 006 
2.1 车牌位置识别 006 
2.2 车牌文字识别 014 
2.3 探讨模型效果 017 
第3章 采用三元组的FaceNet人脸识别 
理论与实践 024 
3.1 FaceNet人脸识别 024 
3.1.1 人脸识别简介 024 
3.1.2 传统方法 025 
3.1.3 深度学习方法（MTCNN方法） 026 
3.1.4 FaceNet原理 027 
3.2 FaceNet代码实践 030 
3.2.1 FaceNet模型代码 030 
3.2.2 FaceNet数据集代码 036 
3.3 FaceNet训练 039 
第4章 车道检测的两种深度学习思路 049 
4.1 使用语义分割方法 050 
4.1.1 SegNet网络结构 050 
4.1.2 SegNet代码实践 051 
4.1.3 SegNet网络车道检测优缺点 054 
4.2 Spatial-CNN方法 055 
4.2.1 Spatial-CNN模型结构 055 
4.2.2 Spatial-CNN代码实践和效果展现 058 
4.2.3 Spatial-CNN训练 061 
第5章 烟雾检测 069 
5.1 烟雾检测难点 070 
5.2 解决方案 071 
5.3 使用传统方法的烟雾检测及其效果评估 072 
5.3.1 HOG SVM检测 072 
5.3.2 LBP SVM检测 078 
5.4 利用VGG-16进行烟雾检测 083 
5.4.1 VGG-16 SVM检测 084 
5.4.2 训练SVM和预测评估 086 
5.4.3 全连接神经网络 086

本书包含代码实践和案例实践，运用OpenCV、PyTorch等框架工具详细讲解中文车牌识别检测、采用三元组的FaceNet人脸识别理论与实践、车道检测的两种深度学习思路及烟雾检测4大实践项目。相关理论可参考《基于深度学习的目标检测原理与应用》一书，从而学以致用、融会贯通。

翟中华，清华大学经管学院《创新创业实验室》实践项目指导老师、北京洪策元创智能科技有限公司CEO、AI火箭营首席讲师。毕业于清华大学，长期从事机器学习、深度学习等方面的工作，先后在互联网、互联网金融等行业公司主持技术工作，曾在互联网征信、大数据等行业公司任技术总监。在AI火箭营讲授的课程《深度学习理论与Pytorch实践》广受好评。自ChatGPT发布以来，积极布局GPT技术与应用，已在国外先进开源模型基础上训练中文自研模型，开发了智能客服、智能律师助手、智能问诊助理等行业大模型应用。