学习参考：

《深度学习实践:计算机视觉》结合深度学习框架进行实例演示展现计算机视觉应用及工程实践

缪鹏 著

《深度学习实践:计算机视觉》的特点是依托工业环境的实践经验，具备较强的实用性和专业性。适合于

广大计算机视觉工程领域的从业者、深度学习爱好者、相关专业的大学生和研究生以及对计算机视觉感

兴趣的爱好者使用。

第3章着重介绍目前常用的几类深度学习框架，包括PyTorch、Chainer、TensorFlow-Keras和MXNet-Gluon，另外本书中偶尔还会用到ChainerCV和GluonCV。 

第4章对图像分类进行了介绍，包括经典的网络类型（VGG、ResNet、Inception、Xception、DenseNet），

并展示了部分实践操作。 

第5章对目标检测与识别进行了介绍，包括三种主流的网络结构：YOLO、SSD、Faster R-CNN，并展示了实

践操作。 

第6章介绍图像分割技术，主要从前背景分割（Grab Cut）、语义分割（DeepLab与PSPNet）和实例分割（

FCIS、Mask R-CNN、MaskLab、PANet）三个粒度阐述。 

第7章介绍图像搜索技术，主要指以图搜图方面（CBIR)，以及对应的实践展示。 

第8章主要介绍图像生成技术，包括三个大方向：Auto-Encoder、GAN和Neural Style Transfer。