內容簡介
本書按實戰項目研發的先後順序,介紹了目標檢測神經網絡從研發到運營的全生命周期。首先介紹了目標檢測場景下的圖片標註方法和數據格式,以及與之密切相關的特徵融合網路和預測網路;介紹了數據「后處理」所涉及的NMS演算法及其變種,在此基礎上,讀者只需結合各式各樣的骨幹網路就可以搭建完整的一階段目標檢測神經網絡模型。接下來介紹了神經網絡的動態模式和靜態模式兩種訓練方法,以及訓練過程中的數據監控和異常處理。最後以亞馬遜雲和谷歌Coral開發板為例,介紹了神經網絡的雲端部署和邊緣端部署。其中,對於邊緣端部署,本書還詳細介紹了神經網絡量化模型的基礎原理和模型編譯邏輯,這對將神經網絡轉化為可獨立交付的產品至關重要。 本書還結合智慧交通、智慧後勤、自動駕駛等項目,介紹了計算機視覺數據增強技術和神經網絡性能評估原理,以及邊緣計算網關、邊緣計算系統、自動駕駛數據的計算原理和PointNet++等多個三維目標檢測神經網絡,幫助讀者快速將計算機視覺技術運用到實際生產中。 本書實用性非常強,既適合對計算機視覺具有一定了解的高等院校本科生、研究生及具有轉型意願的軟體工程師入門學習,又適合計算機視覺工程項目研發和運營人員參考閱讀。對深度學習關鍵演算法和骨幹網路設計等基礎知識感興趣的讀者還可以閱讀本書作者編寫的《深入理解計算機視覺:關鍵演算法解析和深度神經網絡設計》一書。作者簡介
張晨然,本科畢業於天津大學通信工程專業,碩士研究生階段就讀於廈門大學,主攻嵌入式系統和數字信號底層演算法,具備紮實的理論基礎。 先後就職于中國電信集團公司和福建省電子信息(集團)有限責任公司,目前擔任福建省人工智能學會的理事和企業工作委員會的主任,同時也擔任谷歌開發者社區、亞馬遜開發者生態的福州區域負責人,長期從事計算機視覺和自然語言基礎技術的研究,積累了豐富的人工智能項目經驗,致力於推動深度學習在交通、工業、民生、建築等領域的應用落地。作者於2017年獲得高級工程師職稱,擁有多項發明專利。目錄
第1篇 一階段目標檢測神經網絡的結構設計