PyTorch计算机视觉与深度学习

提供源码、视频、课件、大纲、教案、期末试卷等资源，理实并重、案例丰富、实操性强

作者：任毅龙 刘衍琦 陈敬龙 主编 代丰 贾泽豪 谢丹木 王乐宁 高超 董雪 副主编

丛书名：大数据与人工智能技术丛书

定价：59.90元

印次：1-1

出版日期：2025.05.01

在人工智能蓬勃发展的今天，深度学习已成为推动技术变革的重要力量，尤其在计算机视觉领域，深度学习技术引领着一波又一波的创新浪潮。从图像分类到目标检测，从图像分割到风格迁移，深度学习让计算机具备了前所未有的视觉理解能力。而在众多深度学习框架中，PyTorch以其灵活性和易用性，成为广大研究者和开发者的首选工具。

本书主要内容

本书旨在为读者提供一条从基础到实战的学习路径，帮助读者深入理解计算机视觉中的核心概念和技术，掌握使用PyTorch构建和优化深度学习模型的实战技巧。本书内容结构清晰，案例丰富，既适合初学者入门，也适合有一定基础的读者进一步提升技能。

全书共分为两部分，共12章。

第1部分基础篇，主要介绍了深度学习理论知识，包括第1～4章。

第1章人工智能基础，包括人工智能概述、计算机视觉基础、深度学习在实际中的应用；

第2章深度学习的基本原理，包括神经网络的实现方法、梯度与自动微分、参数优化与更新策略；

第3章卷积神经网络的基本构建，包括卷积层的多种操作、可变形卷积技术、反卷积与目标分割、池化层的多重特性、全连接层的作用与影响、数据标准化和正则化；

第4章PyTorch的基本应用，包括PyTorch简介与环境搭建、PyTorch基本语法与操作、PyTorch中的自动微分、模型的保存与加载、跨设备模型加载、权重的修改与调整。

第2部分应用篇，主要列举了部分深度学习项目的实践案例，包括第5～12章。

第6章目标检测技术与应用，包括应用背景、目标检测的候选框生成策略、神经网络在目标检测中的应用、主干神经网络的选择与应用、单阶段目标检测模型、双阶段目标检测模型；

第7章基于视觉大数据检索的图搜图应用，包括应用背景、视觉特征提取、视觉特征索引、视觉搜索引擎、集成应用开发；

第9章基于生成式对抗网络的图像生成应用，包括应用背景、生成式对抗网络模型、集成应用开发；

本书特色

(1) 问题驱动，由浅入深。

在解决实际问题的过程中，逐步深入探究深度学习和计算机视觉的核心概念和原理，帮助读者建立系统的知识体系。

(2) 突出重点，强化理解。

通过精选的重点内容和深入分析，帮助读者深刻理解关键技术，并在应用中加深对知识的掌握。

(3) 注重理论，联系实际。

以PyTorch为工具，结合典型案例对理论进行讲解和演示，提升读者的动手能力和实践经验。

(4) 风格简洁，使用方便。

本书采用简洁明快的风格，提供实用的代码示例和丰富的项目案例，便于读者理解和实践操作。

配套资源

为便于教与学，本书配有 微课视频、源代码、数据集、教学课件、教学大纲、教案、教学日历、教学进度表、案例素材、软件安装包、期末试卷及答案。

读者对象

本书主要针对广泛的读者群体，面向从事图像处理、人工智能、深度学习、计算机视觉等领域的专业人士，深度学习学科专任教师，人工智能、图像处理等专业的高校在读学生及相关领域的研究人员。