本書內容主要劃分為以下五個部分：第一部分包含第一章和第二章，對深度學習背景及基礎進行介紹，主要包括深度學習常見領域、通用優(yōu)化方法以及相關軟件工具、環(huán)境配置；第二部分包含第三章，主要對典型深度學習網(wǎng)絡進行介紹；第三部分包含第四、第五、第六、第七章，主要是對熱門AI項目進行復現(xiàn)的實訓教程；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際問題，引導學生利用所學知識開展面軌道交通智能化項目實戰(zhàn)。
第一部分 深度學習基礎、環(huán)境配置介紹
1 深度學習背景及基礎知識
1．1 深度學習相關應用領域
1．2 深度學習種類
1．3 基于深度學習的優(yōu)化方法
1．4 深度學習常用軟件工具及平臺
1．5 深度學習相關加速技術
1．6 其他技術研究
2 深度學習環(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 深度學習網(wǎng)絡介紹
3 典型深度學習網(wǎng)絡介紹
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項目復現(xiàn)
4 項目一 基于神經(jīng)網(wǎng)絡的氣溫預測
4．1 前期準備
4．2 原理介紹
4．3 實訓流程
4．4 總結展望
5 項目二 基于DeeplabV3的語義分割
5．1 前期準備
5．2 原理介紹
5．3 實訓流程
5．4 總結展望
6 項目三 基于YOLOv3的口罩佩戴檢測
6．1 前期準備
6．2 原理介紹
6．3 實訓流程
6．4 總結展望
7 項目四 基于faceNet的人臉識別
7．1 前期準備
7．2 原理介紹
7．3 實訓流程
7．4 總結展望
第四部分 軌道交通智能化典型工程案例
8 工程應用一 弓網(wǎng)燃弧檢測
8．1 項目背景以及目標
8．2 數(shù)據(jù)采集及預處理
8．3 弓網(wǎng)燃弧檢測算法總體設計
8．4 網(wǎng)絡訓練、測試與驗證
8．5 總結與展望
8．6 附錄
9 工程應用二牽引變電所異物入侵檢測
9．1 項目背景及目標
9．2 項目數(shù)據(jù)采集及預處理
9．3 牽引變電所異物入侵檢測算法設計
9．4 網(wǎng)絡訓練與測試
9．5 總結與展望
9．6 附錄
10 工程應用三 運達地鐵列車3600外觀檢測
10．1 螺栓松動檢測
……
第五部分 軌道交通智能化實戰(zhàn)項目
參考文獻
書單推薦
