本書內(nèi)容主要?jiǎng)澐譃橐韵挛鍌�(gè)部分：第一部分包含第一章和第二章，對(duì)深度學(xué)習(xí)背景及基礎(chǔ)進(jìn)行介紹，主要包括深度學(xué)習(xí)常見(jiàn)領(lǐng)域、通用優(yōu)化方法以及相關(guān)軟件工具、環(huán)境配置；第二部分包含第三章，主要對(duì)典型深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行介紹；第三部分包含第四、第五、第六、第七章，主要是對(duì)熱門AI項(xiàng)目進(jìn)行復(fù)現(xiàn)的實(shí)訓(xùn)教程；第四部分包含第八、第九、第十章，主要介紹了近些年電氣工程學(xué)院典型研究成果；第五部分包含第十一章、第十二章，旨在介紹軌道交通智能化過(guò)程中實(shí)際問(wèn)題，引導(dǎo)學(xué)生利用所學(xué)知識(shí)開展面軌道交通智能化項(xiàng)目實(shí)戰(zhàn)。
第一部分 深度學(xué)習(xí)基礎(chǔ)、環(huán)境配置介紹
1 深度學(xué)習(xí)背景及基礎(chǔ)知識(shí)
1．1 深度學(xué)習(xí)相關(guān)應(yīng)用領(lǐng)域
1．2 深度學(xué)習(xí)種類
1．3 基于深度學(xué)習(xí)的優(yōu)化方法
1．4 深度學(xué)習(xí)常用軟件工具及平臺(tái)
1．5 深度學(xué)習(xí)相關(guān)加速技術(shù)
1．6 其他技術(shù)研究
2 深度學(xué)習(xí)環(huán)境配置
2．1 CUDA及CUDNN安裝
2．2 版本選擇
2．3 Tensorflow-gpu安裝
2．4 Pytorch-gpu安裝
第二部分 深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3 典型深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3．1 DenSeNet
3．2 VGG Net
3．3 ResNet
3．4 GoogLeNet
3．5 Xception
3．6 EfficientNet
第三部分 熱門AI項(xiàng)目復(fù)現(xiàn)
4 項(xiàng)目一 基于神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測(cè)
4．1 前期準(zhǔn)備
4．2 原理介紹
4．3 實(shí)訓(xùn)流程
4．4 總結(jié)展望
5 項(xiàng)目二 基于DeeplabV3的語(yǔ)義分割
5．1 前期準(zhǔn)備
5．2 原理介紹
5．3 實(shí)訓(xùn)流程
5．4 總結(jié)展望
6 項(xiàng)目三 基于YOLOv3的口罩佩戴檢測(cè)
6．1 前期準(zhǔn)備
6．2 原理介紹
6．3 實(shí)訓(xùn)流程
6．4 總結(jié)展望
7 項(xiàng)目四 基于faceNet的人臉識(shí)別
7．1 前期準(zhǔn)備
7．2 原理介紹
7．3 實(shí)訓(xùn)流程
7．4 總結(jié)展望
第四部分 軌道交通智能化典型工程案例
8 工程應(yīng)用一 弓網(wǎng)燃弧檢測(cè)
8．1 項(xiàng)目背景以及目標(biāo)
8．2 數(shù)據(jù)采集及預(yù)處理
8．3 弓網(wǎng)燃弧檢測(cè)算法總體設(shè)計(jì)
8．4 網(wǎng)絡(luò)訓(xùn)練、測(cè)試與驗(yàn)證
8．5 總結(jié)與展望
8．6 附錄
9 工程應(yīng)用二牽引變電所異物入侵檢測(cè)
9．1 項(xiàng)目背景及目標(biāo)
9．2 項(xiàng)目數(shù)據(jù)采集及預(yù)處理
9．3 牽引變電所異物入侵檢測(cè)算法設(shè)計(jì)
9．4 網(wǎng)絡(luò)訓(xùn)練與測(cè)試
9．5 總結(jié)與展望
9．6 附錄
10 工程應(yīng)用三 運(yùn)達(dá)地鐵列車3600外觀檢測(cè)
10．1 螺栓松動(dòng)檢測(cè)
……
第五部分 軌道交通智能化實(shí)戰(zhàn)項(xiàng)目
參考文獻(xiàn)
書單推薦
