深度学习与图像识别

第1章 深度学习概述及环境配置 1 1.1 深度学习概述 1 1.1.1 人工智能、机器学习和深度学习的关系 1 1.1.2 监督式学习与非监督式学习 2 1.1.3 深度学习的意义 3 1.1.4 人脑视觉原理 3 1.1.5 深度学习原理 3 1.1.6 深度学习的应用 9 1.2 深度学习环境配置 10 1.2.1 环境安装简介 10 1.2.2 安装Anaconda 11 1.2.3 配置Anaconda环境 12 1.2.4 安装PyCharm 13 1.2.5 新建项目 15 1.2.6 Jupyter Notebook的Anaconda环境配置 17 1.2.7 使用pip命令安装软件 18 第2章 深度学习常用工具包入门 20 2.1 数学基础 20 2.1.1 NumPy数组生成与reshape计算 21 2.1.2 转置实现 21 2.1.3 矩阵乘法 22 2.1.4 矩阵对应元素运算 23 2.2 常用函数 23 2.2.1 Sigmoid函数 24 2.2.2 tanh函数 25 2.2.3 ReLU函数 26 2.2.4 Softmax函数 27 2.2.5 导数 28 2.3 深度学习常用模块 28 2.3.1 os模块 28 2.3.2 NumPy模块 29 2.3.3 Matplotlib模块 32 2.3.4 Pandas模块 41 2.3.5 OpenCV模块 45 第3章 深度学习基本入门与进阶 48 3.1 深度学习基本原理入门 48 3.1.1 案例一：逻辑“与”问题 48 3.1.2 感知器参数预测与训练 50 3.2 深度学习基本原理进阶 52 3.2.1 案例二：“三好学生”问题 52 3.3.2 感知器参数预测与训练 53 第4章 Keras“三好学生”训练与预测实战 58 4.1 Keras简介 58 4.2 Keras案例实战 60 4.2.1 数据集产生 60 4.2.2 数据读取与处理 61 4.2.3 模型建立与训练 63 第5章 Keras手写字体图像识别实战 66 5.1 深度神经网络原理与实战 66 5.1.1 深度神经网络概述 66 5.1.2 多层感知器原理 67 5.1.3 MNIST数据集概述 68 5.1.4 使用Keras构建多层感知器模型 69 5.2 卷积神经网络原理与实战 76 5.2.1 卷积神经网络概述 76 5.2.2 池化的基本原理 78 5.2.3 使用Keras构建卷积神经网络 79 5.2.4 Keras模型保存与加载 81 5.2.5 Keras模型预测 81 第6章 人脸识别项目实战 83 6.1 人脸识别原理 83 6.1.1 人脸检测 84 6.1.2 人脸对齐 86 6.1.3 人脸编码 87 6.1.4 人脸匹配 87 6.2 使用Keras构建人脸识别模型 88 6.2.1 数据集准备 88 6.2.2 模型设计与训练 93 6.2.3 使用模型进行识别 104 第7章 目标检测项目实战 108 7.1 目标检测原理 108 7.1.1 R-CNN原理 109 7.1.2 YOLO原理 110 7.2 Keras口罩检测项目实战 113 7.2.1 运行默认预测代码 114 7.2.2 训练口罩检测模型 116 7.2.3 使用模型进行预测 123 第8章 人脸考勤系统综合项目实战 126 8.1 摄像头视频读取与显示 126 8.2 人脸检测 128 8.3 人脸识别 130 8.4 人脸信息录入 134 8.5 匹配图像显示 138 8.6 图像拼接展示 142 8.7 口罩检测 147 8.8 语音播报 149 参考文献 152