"本书基于国产开源深度学习框架PaddlePaddle进行编写，全面、系统地介绍了PaddlePaddle在数字图像处理中的各种技术及应用，书中项目实例全部采用动态图版本实现。全书共8章，分别介绍了基于深度学习的图像分类、目标检测、语义分割、实例分割、关键点检测、风格迁移等内容，所有知识点均通过实际项目进行串联，旨在帮助读者在掌握基本深度学习算法原理的基础上，扩展项目实操能力，达到学以致用的效果。

本书可作为全国高等学校计算机、人工智能等专业的“深度学习”课程教材，主要面向相关领域的教师、在读学生和科研人员，以及从事深度学习与图像处理的工程技术人员和爱好者。
"

目录

第1部分基 础 知 识

第1章图像处理基础

1.1图像处理的基本概念

1.1.1模拟图像和数字图像

1.1.2数字图像常见类型

1.1.3应用方向

1.2图像处理基本操作

1.2.1安装OpenCV

1.2.2图像读取、保存和可视化

1.2.3像素操作

1.2.4图像转换

1.2.5图像缩放

1.2.6图像裁剪

1.2.7翻转和旋转

1.3图像卷积和滤波

1.3.1线性滤波与卷积

1.3.2常见卷积核

1.4综合案例应用: 基于OpenCV的自动驾驶小车

1.4.1任务概述

1.4.2安装仿真平台

1.4.3车道线检测

1.4.4动作控制

1.5小结

第2章深度学习基础

2.1深度学习概述

2.1.1人工智能、机器学习和深度学习

2.1.2深度学习起源和发展

2.1.3深度学习框架

2.2环境安装

2.2.1安装说明

2.2.2Windows平台

2.2.3Ubuntu平台

2.2.4AI Studio平台

2.3PaddlePaddle基础

2.3.1Tensor表示

2.3.2Tensor计算

2.3.3自动求梯度

2.4PaddlePaddle实现机器学习: 线性回归投资预测

2.4.1问题定义

2.4.2导数法

2.4.3梯度下降法

2.5PaddlePaddle实现深度学习: 自动驾驶小车控制

2.5.1卷积神经网络基础

2.5.2算法原理

2.5.3数据采集

2.5.4数据读取

2.5.5网络模型

2.5.6损失函数

2.5.7优化算法

2.5.8模型训练

2.5.9模型验证

2.5.10模型集成

2.6小结

第2部分案 例 应 用

第3章图像分类(智能垃圾分拣器)

3.1任务概述

3.1.1任务背景

3.1.2安装PaddleClas套件

3.2算法原理

3.2.1VGG算法

3.2.2ResNet算法

3.2.3MobileNet算法

3.3算法研发

3.3.1数据集准备

3.3.2算法训练

3.4Jetson Nano智能终端部署(Linux GPU推理)

3.4.1部署工具FastDeploy介绍

3.4.2Jetson Nano上Python推理

3.4.3Jetson Nano上C++推理

3.5小结

第4章目标检测(二维码扫码枪)

4.1任务概述

4.1.1任务背景

4.1.2安装PaddleDetection套件

4.2算法原理

4.2.1目标检测常用概念

4.2.2RCNN算法

4.2.3Fast RCNN算法

4.2.4Faster RCNN算法

4.2.5YOLO v3算法

4.2.6PicoDet算法

4.3算法研发

4.3.1目标检测数据集常用格式介绍

4.3.2使用Labelme制作自己的二维码检测数据集

4.3.3Labelme格式转换成COCO格式

4.3.4算法训练

4.4树莓派开发板部署(Linux CPU推理)

4.4.1树莓派上Python推理

4.4.2树莓派上C++推理

4.5小结

第5章语义分割(证件照制作工具)

5.1任务概述

5.1.1任务背景

5.1.2安装PaddleSeg套件

5.2算法原理

5.2.1FCN算法

5.2.2UNet算法

5.2.3HRNet算法

5.2.4OCRNet算法

5.3算法研发

5.3.1数据集准备

5.3.2使用Labelme制作自己的语义分割数据集

5.3.3算法训练

5.4Qt C++桌面客户端部署(Windows CPU推理)

5.4.1Qt基础示例程序介绍

5.4.2配置并导入FastDeploy库

5.4.3编写算法推理模块

5.4.4集成依赖库和模型

5.5小结

第6章实例分割(肾小球影像分析仪)

6.1任务概述

6.1.1任务背景

6.1.2实例分割概述

6.2算法原理

6.3算法研发

6.3.1数据集准备

6.3.2算法训练

6.4C#工控程序部署(Windows GPU推理)

6.4.1生成C++示例工程

6.4.2编译C++动态链接库

6.4.3编写C#工程

6.5小结

第7章关键点检测(身份证识读App)

7.1任务概述

7.1.1任务背景

7.1.2关键点检测概述

7.2PPTinyPose算法原理

7.2.1LiteHRNet骨干网络算法

7.2.2数据增强算法

7.2.3分布感知坐标表示方法

7.2.4无偏数据处理

7.3算法研发

7.3.1数据集准备

7.3.2算法训练

7.4移动端部署(安卓Java推理)

7.4.1安卓基础示例程序

7.4.2配置FastDeploy库

7.4.3编写推理模块

7.5小结

第8章风格迁移(照片动漫化在线转换网站)

8.1任务概述

8.1.1任务背景

8.1.2安装PaddleGAN套件

8.2算法原理

8.2.1GAN算法

8.2.2DCGAN算法

8.2.3AnimeGAN算法

8.3算法研发

8.3.1数据集准备

8.3.2训练

8.4微服务部署(FastDeploy Serving推理)

8.4.1准备Docker环境

8.4.2部署服务

8.4.3微服务开发

8.5小结

后记