（1）作者背景深厚：兩位作者是AI和計算機視覺方面的專家，在阿裡、騰訊、百度等企業有超過10年的相關工作經驗；（2）內容結構講究：針對初學者需求精心安排，從預備知識、深度學習基礎，到目標檢測算法和工程案例，由淺入深，理論與實踐結合；（3）內容通俗易懂：語言通俗，邏輯性強；盡量繞開復雜的數學公式推導，無需數學基礎，降低讀者的閱讀門檻；（4）豐富實戰案例：內容遵循知識點背景介紹→原理講解→案例分析的思路，提供大量案例；（5）提供源碼下載：第2~11章均提供源數據和完整代碼，代碼均經過嚴格測試，可直接等

●前言br第章目標檢測概述br什麼是目標檢測br2典型的應用場景br2人臉識別br22智慧交通br23工業檢測br3目標檢測技術發展簡史br3傳統算法br32深度學習算法br4目標檢測領域重要的公開評測集br5本章小結br第2章目標檢測前置技術br2深度學習框架br2Theanobr22TensorFlowbr23MXNetbr24Kerasbr25PyTorchbr26Caffebr22搭建開發環境br22Anacondabr222Condabr223PyTorch的下載與安裝br23NumPy使用詳解br23創建數組br232創建NumPy數組br233獲取NumPy屬性br234NumPy數組索引br235切片br236NumPy中的矩陣運算br237數據類型轉換br238NumPy的統計計算方法br239NumPy中的arg運算br230FancyIndexingbr23NumPy數組比較br24本章小結br第3章卷積神經網絡br3卷積神經網絡基礎br3全連接層br32卷積層br33池化層br34三維數據的卷積運算br35批規範化層br36Dropout層br32本章小結br第4章數據預處理br4數據增強br4resize操作br42crop操作br43隨機的水平和豎直翻轉br44隨機角度的旋轉br45亮度對比度和顏色的隨機變化br46彩色圖轉灰度圖br42數據的探 aggle貓狗大戰br43本章小結br第5章常見卷積神經網絡結構br5LeNet神經網絡br52AlexNet神經網絡br53VGGNet神經網絡br54GoogLeNet神經網絡br54inception模塊br542GoogLeNet的實現br543GoogLeNet的演變br55ResNetbr55殘差模塊br552ResNet模型br56DenseNetbr57其他網絡結構br58實戰案例br59計算圖像數據集的RGB均值和方差br50本章小結br第6章mmdetection工具包介紹br6mmdetection概要br62mmdetection支持的檢測框架和算法實現br63搭建mmdetection開發環境br64使用入門br64使用預訓練模型進行推理br642訓練模型br643有用的工具br644如何使用mmdetectionbr65標注圖像br66實戰案例br66檢測人體br662檢測貓和狗br67本章小結br第7章目標檢測的基本概念br7概念詳解br7IoU計算br72NMS操作br73感受野br74空洞卷積br75評價指標mAPbr72本章小結br第8章兩階段檢測方法br8RCNN算法br8生成候選區域br82類別判定br83位置修正br84檢測過程br85RCNN算法的重要意義br82SPPNet算法br82空間金字塔采樣br822網絡訓練br823測試過程br83FastRCNN算法及訓練過程br83ROI池化層br832模型訓練br833測試過程br84FasterRCNN算法及訓練過程br84候選框提取網絡br842RPN和FastRCNN共享特征的方法br85FasterRCNN代碼解析br85代碼整體結構br852數據加載br853構建主干網絡br854候選框提取網絡br855對候選框進行分類和位置校正br856算法模型架構圖br86本章小結br第9章檢測算法的進一步改進br9特征金字塔br9特征金字塔結構br92FPN代碼解析br92焦點損失函數br93本章小結br第0章一階段檢測算法br0YOLO算法br0YOLO第一版br02YOLO第二版br03YOLO第三版br02SSD算法br02SSD算法原理br022訓練方法br023SSD代碼解析br03FCOS算法br03FCOS算法原理br032FCOS源碼解析br04本章小結br第章工業AI的發展br工業AI的概念和互聯網br2工業AI落地應用br2工業AI的典型場景br22工業AI落地背後的本質br23展望br3工業生產中的缺陷檢測問題br3視覺檢測繫統br32光學識別軟件br33視覺質檢典型需求場景br4目標檢測在工業中的案例面板行業ADC解決方案br4面板行業生產質檢的特點br42ADC解決方案br43繫統效果與價值總結br5本章小結br

這是一本從工具、原理、算法3個維度指導讀者零基礎快速掌握目標檢測技術及其應用的入門書。兩位作者是資深的AI技術專家和計算機視覺算法專家，在阿裡、騰訊、百度、三星等大企業從事計算機視覺相關的工作多年，不僅理論功底扎實、實踐經驗豐富，而且知道初學者進入計算機視覺領域的痛點和難點。據此，兩位作者編寫了這本針對目標檢測初學者的入門書，希望從知識體繫和工程實踐的角度幫助讀者少走彎路。第1~2章是目標檢測的準備工作，主要介紹了目標檢測的常識、深度學習框架的選型、開發環境的搭建以及數據處理工具的使用。第3~5章是目標檢測的技術基礎，主要講解了數據預處理和卷積神經網絡等圖像分類技術的基礎知識。第6章比較詳細地介紹了香港中文大學的開源算法庫mmdetection。第7~10章詳細地講解了目標檢測的概念、原理、一階段算法、二階段算法以及提升算法性能的常用方法。第11章簡單介紹了目標檢測的相關案例（以工業為背景等

塗銘,金智勇 著