人工智能图像识别应用基础

28708XM68297人工智能�像�别�用基�-扉�.pdf12022/1/1111:01:26

C

M

Y

CM

MY

CY

CMY

K

内容简介

本书在整体知识结构上由浅入深地阐述了人工智能图像识别的知识体系在实践教学

,;

上采用目前工业应用广泛的深度学习框架详细介绍了人工智能与图像识别认识深度学习

,,、

开发环境机器学习和深度学习基础数据集和预处理图像分类目标检测图像分割图像生

、、、、、、

成深度学习模型优化深度学习模型部署等内容

、、。

本书在内容规划和学习方式上采用知识要点和实践任务相结合的方式内容与案例层层

,,

递进全面地为读者展示从理解知识到运用知识的过程在文字讲述和内容展示上由点及面

,;,、

图文并茂深入浅出地阐述了人工智能图像识别领域的基本知识

、。

本书配套的源代码以及相关数字化资源可从中国铁道出版社有限公司网站及中育数据官

网资源中心栏目下载学习

。

本书适合作为高等职业院校的人工智能课程教材也可作为普通读者学习图像识别技术

,

应用的参考书籍

。

图书在版编目CIP数据

()

人工智能图像识别应用基础张文川龙翔主编北京

/,.—:

中国铁道出版社有限公司

,2021.11

十四五高等职业教育人工智能技术应用系列教材

“”

ISBN978-7-113-28708-5

人张龙人工智能算法应用

Ⅰ.①…Ⅱ.①…②…Ⅲ.①---

图像识别高等职业教育教材

--Ⅳ.①TP391.413

中国版本图书馆数据核字第号

CIP(2021)261957

书名:人工智能图像识别应用基础

作者:张文川龙翔

策划:祁云

责任编辑:祁云包宁编辑部电话:

(010)63549458

封面设计:尚明龙

责任校对:孙玫

责任印制:樊启鹏

出版发行:中国铁道出版社有限公司北京市西城区右安门西街号

(100054,8)

网址:

http://www.tdpress.com/51eds/

印刷:三河市兴达印务有限公司

版次:年月第版年月第次印刷

20211112021111

开本:印张:字数:千

787mm×1092mm1/1616.75427

书号:

ISBN978-7-113-28708-5

定价:元

52.00

版权所有侵权必究

凡购买铁道版图书如有印制质量问题请与本社教材图书营销部联系调换电话

,,。:(010)63550836

打击盗版举报电话

:(010)63549461

人工智能从诞生起已经有多年的历史,期间受限于计算机软硬件技术

60

的发展,几经波折,而在最近十年间焕发生机,激发了一系列智能领域和智能产

业的浪潮,并且这股浪潮必定会越发迅猛。计算机视觉是人工智能主要的发展

方向之一,视觉智能计算技术在机器学习算法、大数据和图像处理计算硬件三

方面的驱动下在众多领域取得了前所未有的成就,如智能监控、汽车自动驾驶、

图片物体识别、智能相册、工业瑕疵检测、人脸识别、智慧医疗和智能交通等。

人工智能图像识别的应用已经渗透人们生产生活的方方面面,改变了人类社会

的许多生活方式,所以我们有必要从基础开始了解、学习并逐步探索这一新兴

领域的应用基础。人工智能是一种可以赋能于各行各业,提升行业运行效率,

降低行业运行成本的前沿技术。从应用的角度来看,人工智能图像识别的主要

任务是识别和预测;从技术的角度来看,识别和预测正不断地向着更高精度、更

快速度的方向进步,这正是各个行业智能化和精准化的目标。随着大数

5G+

据云计算物联网技术的革新,一个新的数字智能化时代已经到来,人工智

++

能必将成为各行各业技术革新的基石。

本书主要特色包括:在整体知识结构上,本书由浅入深地阐述了人工智能

图像识别的知识体系,适合没有接触过人工智能图像识别领域的读者全面了解

现代人工智能应用技术;在实践教学上,本书采用目前工业应用广泛的

深度学习框架,详细介绍各个项目步骤,在教学中完成各种实战案

TensorFlow

例,具有人工智能应用职业教学的价值;在内容规划和学习方式上,本书采用知

识要点和实践任务相结合的方式设计,内容与案例层层递进,引导读者从理解

知识到熟练运用知识;在文字讲述和内容展示上,本书由点及面、图文并茂、深

入浅出地阐述人工智能图像识别领域的基本知识,力求帮助读者迅速掌握基础

概念。

本书共分个单元。单元是人工智能与图像识别,从人工智能和图像

101

识别导论开始,介绍了人工智能的发展历程和图像识别的主要任务;单元是

2

认识深度学习开发环境,从服务器硬件环境、深度学习软件框架、和

Python

环境和基础四方面详细阐述了深度学习开发环境的必备

Anaconda3TensorFlow

知识;单元是机器学习和深度学习基础,从机器学习主要任务和算法、深度学

3

习基础和算法等方面介绍机器学习和深度学习的算法理论基础;单元是数据

4

集和预处理,从数据出发,介绍了常见数据集和常见计算机任务数据集以及数

人工智能图像识别应用基础

Ⅱ

据预处理的方法;单元单元是图像识别的核心任务,分别介绍了图像分

5~8

类、目标检测、图像分割和图像生成个图像识别领域内的主要任务,这部分是

4

人工智能图像识别的核心课题,也是其他复杂图像处理任务的基石;单元是

9

深度学习模型优化,主要从模型的角度介绍了常用的模型优化方法;单元是

10

深度学习模型部署,分别从边缘端部署、浏览器前端部署和服务器部署个方

3

面详细展示了深度学习模型在不同生产环境下的部署方法和过程。

适合本书学习的对象包括:第一,打算学习并入门人工智能技术的职业院

校在校学生;第二,在金融、交通、农林牧渔、制造等行业工作且希望应用人工智

能解决本行业问题的工程技术人员;第三,已经对人工智能有一定的了解,想要

更多、更深入地学习人工智能图像识别技术的相关人员;第四,信息和计算机科

学爱好者。

本书由张文川、龙翔任主编,由年爱华、何琳、陆益军任副主编,和中育数据

研发团队共同编写完成。由于编者水平有限,加之时间仓促,书中难免存在疏

漏和不足之处,恳请读者批评指正。

编者

年月

20218

单元1人工智能与图像识别………………

1

1.1人工智能绪论……………………

1

人工智能的定义…………

1.1.11

人工智能的发展历程……………………

1.1.22

人工智能的应用…………

1.1.34

1.2图像识别应用场景和主要任务…………………

5

图像分类…………………

1.2.15

目标检测…………………

1.2.25

图像分割…………………

1.2.36

图像生成…………………

1.2.46

小结………………………

7

练习………………………

7

单元2认识深度学习开发环境……………

8

2.1服务器硬件环境简介……………

9

2.2深度学习软件框架简介…………

9

2.3Python和Anaconda3环境简介………………

11

基础……………

2.3.1Python11

单元任务使用库绘图……………

1matplotlib11

集成环境……………………

2.3.2Anaconda313

单元任务使用管理开发环境……

2Anaconda13

代码编辑器………

2.3.3Code17

2.4TensorFlow基础………………

19

简介…………

2.4.1TensorFlow19

安装…………

2.4.2TensorFlow20

单元任务使用安装依赖库…………

3conda20

数据流图………………

2.4.322

张量……………………

2.4.422

单元任务使用做矩阵计算……

4TensorFlow24

常量和变量……………

2.4.525

人工智能图像识别应用基础

Ⅱ

单元任务使用描述线性函数…………………

5TensorFlow26

模块……………………

2.4.628

高级模块………………

2.4.729

单元任务使用模块和高级模块构建模型…………………

630

小结……………………

35

练习……………………

35

单元3机器学习和深度学习基础…………

36

3.1机器学习的主要任务……………

37

监督学习………………

3.1.137

无监督学习……………

3.1.237

分类……………………

3.1.338

回归……………………

3.1.439

聚类……………………

3.1.540

3.2机器学习算法……………………

41

近邻算法……………

3.2.1K-41

单元任务使用近邻识别手写数字………

7K-41

朴素贝叶斯……………

3.2.243

线性回归………………

3.2.344

单元任务使用线性回归预测房价…………

844

支持向量机……………

3.2.448

单元任务使用支持向量机实现鸢尾花分类………………

949

均值聚类……………

3.2.5K-53

3.3深度学习基础……………………

53

神经网络………………

3.3.153

单元任务汽车油耗预测……………………

1055

梯度下降法和批处理…………………

3.3.262

损失函数………………

3.3.362

3.4深度学习算法……………………

64

卷积神经网络…………

3.4.164

单元任务认识卷积和池化操作……………

1169

循环神经网络…………

3.4.270

单元任务循环神经网络前向传播…………

1275

长短期记忆……………

3.4.375

常见卷积神经主干网络………………

3.4.478

目录

Ⅲ

小结……………………

86

练习……………………

86

单元4数据集和预处理……………………

87

4.1通用数据集………………………

88

数据集…………

4.1.1MNIST88

数据集…………

4.1.2CIFAR88

数据集…………………

4.1.3PASCALVOC89

数据集………

4.1.4ImageNet89

数据集………

4.1.5MSCOCO89

4.2常见计算机视觉任务数据集……………………

91

人脸数据集……………

4.2.191

自动驾驶数据集………

4.2.292

医疗影像数据集………

4.2.392

4.3数据集预处理方法………………

93

数据收集………………

4.3.193

数据标注………………

4.3.294

数据清洗与整理………

4.3.394

数据增强………………

4.3.495

单元任务实现简单的图像数据增强………

1396

小结……………………

102

练习……………………

102

单元5图像分类…………

103

5.1图像分类问题…………………

104

图像分类概述…………

5.1.1104

图像分类类型…………

5.1.2104

图像分类步骤…………

5.1.3105

5.2评测指标与优化目标…………

106

单标签分类……………

5.2.1106

多标签分类……………

5.2.2106

5.3图像分类的挑战………………

107

单元任务种花卉图像分类实战……

14102108

小结……………………

116

练习……………………

116

人工智能图像识别应用基础

Ⅳ

单元6目标检测…………

117

6.1目标检测综述…………………

118

传统检测算法…………

6.1.1118

深度学习检测算法……………………

6.1.2119

6.2目标检测基础…………………

121

数据集…………………

6.2.1121

评测指标………………

6.2.2122

损失函数………………

6.2.3123

单元任务使用算法实现目标检测………………

15Yolov3124

单元任务用算法实现目标检测……

16SSD157

小结……………………

194

练习……………………

194

单元7图像分割…………

195

7.1传统图像分割方法……………

196

阈值法…………………

7.1.1196

区域生长法与超像素…………………

7.1.2196

图切法…………………

7.1.3197

7.2深度学习图像分割……………

198

基本流程………………

7.2.1198

反卷积…………………

7.2.2198

多尺度与感受野………

7.2.3199

图像蒙版与图像合成…………………

7.2.4201

单元任务使用模型实现城市街景图像的分割…

17U-Net203

小结……………………

214

练习……………………

214

单元8图像生成…………

215

8.1生成对抗网络基础……………

216

8.2生成对抗网络结构……………

216

生成网络………………

8.2.1216

判别网络………………

8.2.2217

8.3生成式模型与判别式模型……………………

217

单元任务代码实现算法生成人脸图片……………

18GAN218

小结……………………

225

练习……………………

225

目录

Ⅴ

单元9深度学习模型优化………………

226

9.1模型优化思路…………………

227

9.2参数初始化……………………

227

9.3学习率设置……………………

228

9.4优化算法选择…………………

230

9.5Dropout…………

231

9.6批量归一化……………………

231

9.7梯度爆炸消失…………………

/233

单元任务优化简化版的手写体数字识别网络…………

19234

小结……………………

238

练习……………………

238

单元10深度学习模型部署………………

239

10.1模型检查点Checkpoint……………………

240

10.2模型文件HDF5格式…………

241

10.3模型文件SavedModel格式…………