《深度学习图像识别技术》求取 ⇩

第1章人工智能、深度学习与目标检测1

1.1人工智能简介1

1.1.1什么是人工智能1

1.1.2人工智能发展简史2

1.1.3人工智能与深度学习的关系4

1.2深度学习简介4

1.2.1神经网络4

1.2.2神经元5

1.2.3深度神经网络7

1.2.4深度卷积神经网络7

1.3目标检测9

1.3.1目标检测算法发展简史10

1.3.2深度学习目标检测算法11

1.4迁移学习简介13

1.4.1训练深度学习模型依赖大数据13

1.4.2大数据造成的问题14

1.4.3迁移学习14

1.4.4TensorFlow预训练模型库16

1.5本章小结17

第2章搭建深度学习开发环境18

2.1深度学习训练所需的硬件18

2.1.1英伟达显卡选型18

2.1.2英伟达显卡驱动安装20

2.1.3测试驱动程序安装22

2.1.4设置英特尔？集成显卡为系统主显示输出22

2.1.5幻影峡谷：便携式AI训练“服务器”23

2.2深度学习开发环境所需的软件24

2.3安装Python和Anaconda25

2.3.1Python和Anaconda简介25

2.3.2下载并安装Anaconda25

2.3.3 测试Anaconda安装27

2.3.4配置Anaconda软件包下载服务器28

2.3.5配置虚拟环境tf_gpu30

2.3.6 Anaconda的进阶学习31

2.4安装Visual Studio Code31

2.4.1Visual Studio Code简介31

2.4.2安装31

2.4.3在Visual Studio Code中编辑Python代码33

2.4.4在Visual Studio Code中运行Python代码34

2.4.5在Visual Studio Code中调试Python代码34

2.4.6在Visual Studio Code安装Pylint35

2.4.7在Visual Studio Code中一键美化Python代码35

2.5安装TensorFlow37

2.5.1TensorFlow简介37

2.5.2下载并安装38

2.5.3测试安装40

2.5.4 pip install与conda install41

2.6安装Git工具41

2.6.1Git简介41

2.6.2下载并安装41

2.6.3测试安装46

2.7安装TensorFlow Object DetectionAPI框架46

2.7.1TensorFlow Object Detection API简介46

2.7.2下载并安装47

2.7.3安装依赖的python软件包48

2.7.4配置环境变量49

2.7.5安装COCO API50

2.7.6编译proto文件53

2.7.7测试安装54

2.8安装LabelImg56

2.8.1LabelImg简介56

2.8.2下载并安装57

2.8.3测试安装57

2.9本章小结58

第3章训练模型59

3.1 TensorFlow Object Detection API软件框架简介59

3.2使用TensorFlow预训练模型60

3.2.1如何选择预训练模型60

3.2.2预训练模型的文件构成61

3.2.3一个典型的深度学习训练流程62

3.3准备图片：下载猫狗数据集62

3.3.1Kaggle数据集下载流程63

3.3.2训练图片的数量问题66

3.3.3训练图片的样本不平衡问题67

3.4使用LabelImg标注图片67

3.4.1LabelImg简介67

3.4.2建立猫狗项目文件夹结构68

3.4.3标注图片69

3.4.4标注文件（*.xml）简介72

3.4.5复制10%的数据到eval文件夹73

3.4.6复制数据到test文件夹74

3.5依据标注类型创建标签映射文件75

3.6创建TensorFlow TFRecord文件75

3.6.1将*.xml文件转换为*.csv文件76

3.6.2将*.csv文件转换为*.tfrecord文件77

3.7修改预训练模型的配置文件79

3.7.1预训练模型的配置文件80

3.7.2配置文件的结构81

3.7.3修改ssd_inception_v2_coco.config配置文件81

3.8训练模型84

3.9使用TensorBoard观察训练过程85

3.9.1什么是TensorBoard85

3.9.2TensorBoard的使用方法85

3.10评估训练好的模型87

3.11导出训练好模型的冻结图89

3.11.1检查点文件89

3.11.2冻结TensorFlow模型91

3.12用训练好的冻结图模型做目标检测93

3.13用Python程序一键训练模型95

3.13.1为新项目一键创建文件夹结构95

3.13.2一键训练模型97

3.14本章小结99

第4章优化并部署模型100

4.1 OpenVINOTM工具套件简介101

4.2 OpenVINOTM典型开发流程102

4.3安装OpenVINOTM工具套件103

4.3.1版本选择103

4.3.2系统要求104

4.3.3下载并安装OpenVINOTM工具套件105

4.4安装Cmake106

4.5安装Microsoft Visual Studio2017107

4.6安装硬件驱动110

4.6.1英特尔？显卡驱动110

4.6.2英特尔？神经计算棒二代驱动111

4.6.3英特尔？视觉计算加速卡驱动113

4.7设置环境变量116

4.8运行演示程序118

4.8.1demo_benchmark_app.bat119

4.8.2 demo_security_barrier_camera.bat120

4.8.3 demo_squeezenet_download_convert_run.bat120

4.9编译并运行Inference Engine 范例和演示程序120

4.9.1编译samples文件夹中的范例121

4.9.2编译demos文件夹中的范例124

4.9.3从Open Model Zoo中下载预训练模型126

4.9.4下载英特尔？范例视频129

4.9.5运行预训练模型129

4.10使用Model Optimizer优化模型131

4.10.1转换TensorFlow* ObjectDetection API模型131

4.10.2用OpenVINOTM工具套件范例程序测试IR模型134

4.10.3用OpenVINOTM工具套件演示程序测试IR模型136

4.11编写OpenVINOTM应用程序139

4.11.1Inference Engine简介139

4.11.2 Inference Engine Plugin构架140

4.11.3 Inference Engine应用程序典型开发流程141

4.11.4查看模型的输入和输出张量141

4.12OpenVINOTM AI推理计算C＋＋范例142

4.12.1设置环境变量和Visual Studio项目属性142

4.12.2开发AI推理计算C＋＋应用程序149

4.12.3切换AI推理计算硬件157

4.13OpenVINOTM AI推理计算Python范例158

4.13.1设置环境变量PYTHONPATH158

4.13.2开发AI推理计算Python应用程序（OpenCV版）160

4.13.3开发AI推理计算Python应用程序（OpenVINOTM版）163

4.13.4 AI推理计算用Python还是C＋＋？167

4.14本章小结167

第5章进一步提升AI推理计算性能168

5.1性能评价指标168

5.2同步和异步模式169

5.2.1同步模式范例170

5.2.2异步模式范例172

5.3多设备和异构插件175

5.3.1异构插件176

5.3.2多设备插件177

5.4本章小结181

第6章工业领域光学字符识别范例182

6.1项目背景182

6.2新建OCR项目工程文件夹182

6.3收集并标注图片184

6.4训练模型187

6.5导出TensorFlow冻结图模型189

6.6测试模型190

6.7基于OpenVINOTM工具套件优化并加速模型193

6.8基于OpenVINOTM工具套件部署模型194

6.9本章小结203

第7章垃圾瓶自动分选项目范例204

7.1项目背景204

7.2新建垃圾瓶分类项目工程文件夹205

7.3收集并标注图片206

7.4训练模型210

7.5导出TensorFlow冻结图模型211

7.6测试模型213

7.7基于OpenVINOTM工具套件优化并加速模型214

7.8基于OpenVINOTM工具套件部署模型216

7.9本章小结225

第8章农作物病虫害自动识别项目范例226

8.1项目背景226

8.2新建农作物病虫害自动识别项目工程文件夹227

8.3收集并标注图片228

8.4训练模型232

8.5导出TensorFlow冻结图模型233

8.6测试模型235

8.7基于OpenVINOTM工具套件优化并加速模型236

8.8基于OpenVINOTM工具套件部署模型237

8.9本章小结247

第9章深度学习外观缺陷检测项目范例248

9.1项目背景248

9.2新建外观缺陷检测项目工程文件夹250

9.3收集并标注图片251

9.4训练模型254

9.5导出TensorFlow冻结图模型256

9.6测试模型257

9.7基于OpenVINOTM工具套件优化并加速模型259

9.8基于OpenVINOTM工具套件部署模型260

9.9本章小结270

参考文献271