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程中實(shí)際問題,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)