本书着重阐述了深度学习时代的计*机视觉*法的工作原理，*先对深度学习与计*机视觉基础行了介绍，之后对卷积神经网络结构的演化过程，以及基于深度学习的目标检测*法、图像分割*法、人体姿态估计*法、行人重识别与目标跟踪*法、人脸识别*法以及图像超分辨率重建方法行了介绍。本书系统讲解了在日常生活和工作中常见的几项计*机视觉任务，并着重介绍了在当今深度学习时代，这些计*机视觉任务是如何工作的，可使读者快速了解这些*法原理，以及其相互之间的关系。本书适合高年级本科生、研究生、教师，以及对人工智能或计*机视觉*法感兴趣的工程技术人员阅读。<br/>【推荐语】<br/>1.选题方向前沿，复现新的研究成果，包括ResNet、ShuffleNet、SqueezeNet等数据集中的成果；学习先的*法技术，包括对象检测、目标跟踪、迁移学习以及生成对抗网络等。 2.作者均是深度学习和计*机视觉领域的一线研究人员，拥有多*重大项目的发落地经验，获得多项科技步奖。 3.本书深浅出，用丰富详细的架构图、流程图生动展现，从根源剖析数据流的概念和原理，使晦涩难懂的专业概念清晰呈现。<br/>【作者】<br/>徐从安，工学博士，海军航空大学信息融合研究所副教授，清华大学访问学者，选中国科协青年人才托举工程。长期从事智能信息处理、计*机视觉研究，主持或参与国家自然科学基金、装备预研等课题项目10余项，相关成果获省部级科技步奖4项。发表SCI、EI收录论文30余篇，出版译著1部，授权专利10余项。 李健伟，工学博士，主要研究方向为计*机视觉、雷达和电子对抗等，发表学术论文10余篇，牵头编写学术专著2本，获中国指挥与控制学会科学技术奖二等奖1项，构建了国内外**用于SAR图像船舶目标检测的数据集SSDD。 董云龙，工学博士，海军航空大学信息融合研究所教授，主要研究方向为雷达信息处理、多源信息融合，主持雷达杂波抑制、目标检测、误差配准等相关科研项目20余项，曾获国家科技步奖二等奖，省部级科技步奖一等奖、二等奖共5项。 孙超，工学博士，主要研究方向为图像处理、计*机视觉等，发表SCI、EI收录论文10余篇，参与编写学术专著2本，授权专利2项。<br/>
評論0