内容简介

《深度学习经典案例解析（基于MATLAB）》分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐进地介绍了深度学习网络的构建、训练、应用，以及如何基于MATLAB快速生成可执行的C、C++代码并在硬件上部署实现，内容讲解由浅及深、层层递进。本书所讲解的案例均配有代码实现，并对代码进行了详细注解，读者可通过阅读代码对本书讲解的内容进行更加深入的了解。《深度学习经典案例解析（基于MATLAB）》适合对人工智能、深度学习技术感兴趣的工程技术人员阅读，也适合人工智能、计算机科学技术相关专业的本科生、研究生学习参考。

  目录

基础篇

案例1：巧妇难为无米之炊：数据集的制作与加载/

     1.1 机器学习中的数据集/

     1.2 如何加载MATLAB自带的数据集/

     1.3 如何加载自己制作的数据集/

     1.4 如何加载公开数据集：以CIFAR-10为例/

     1.5 如何划分训练集与验证集/

     1.6 如何扩充数据样本集/

案例2：小试牛刀：如何构建一个卷积神经网络/

     2.1 CNN的核心——“卷积”/

     2.2 卷积神经网络的结构及原理/

     2.3 从仿生角度看卷积神经网络/

     2.4 基于深度学习工具箱函数构造卷积神经网络/

     2.5 采用 Deep Network Designer实现卷积网络设计/

     2.6 其他与构建深度网络相关的函数/

案例3：精雕细琢：如何训练一个卷积神经网络/

     3.1 基本概念一点通/

     3.2 实例需求与实现步骤/

     3.3 构建卷积神经网络/

     3.4 训练卷积神经网络/

     3.5 例程实现与解析/

应用篇

案例4：LeNet卷积神经网络的应用：红绿灯识别/

     4.1 LeNet卷积神经网络/

     4.2 基于改进LeNet的交通灯识别/

     4.3 例程实现与解析/

案例5：AlexNet卷积神经网络的应用：基于迁移学习的图像分类/

     5.1 什么是迁移学习/

     5.2 从不同的角度看迁移学习/

     5.3 AlexNet网络的原理/

     5.4 基于AlexNet实现迁移学习的步骤/

     5.5 AlexNet的加载方法/

     5.6 如何对AlexNet进行改进以实现迁移学习/

     5.7 本节所用到的函数解析/

     5.8 例程实现与解析/

     5.9 采用Deep Network Designer辅助实现迁移学习/

案例6：VGG16卷积神经网络的应用：融合卷积神经网络与支持向量机的物体识别/

     6.1 VGG16网络的原理及特点/

     6.2 支持向量机分类的原理/

     6.3 基于VGG16与SVM的物体识别/

     6.4 例程实现与解析/

案例7：LSTM长短期记忆神经网络的应用：心电图信号分类/

     7.1 从时间的角度看序列性数据/

     7.2 序列建模之循环神经网络/

     7.3 基于门与记忆细胞构建序列模型的“长期依赖关系”/

     7.4 基于LSTM实现心电图信号分类的步骤/

     7.5 本节所用到的函数解析/

     7.6 例程实现与解析/

案例8：ResNet残差网络的应用：新冠肺炎胸片检测/

     8.1 深度学习技术在抗击疫情中的应用/

     8.2 ResNet网络简介/

     8.3 基于ResNet的新冠肺炎胸片检测的实现步骤/

     8.4 ResNet的加载方法/

     8.5 对ResNet进行调整以实现迁移学习/

     8.6 例程实现与解析/

实战篇

案例9：让机器的眼睛认识标志：基于R*CNN的交通标志检测/

     9.1 目标分类、检测与分割/

     9.2 目标检测及其难点问题/

     9.3 R-CNN目标检测算法的原理及实现过程/

     9.4 基于Image Labeler的R*CNN目标检测器构建/

案例10：让机器的眼睛检测车辆：基于Video Labeler的车辆目标检测/

     10.1 车辆目标检测的需求/

     10.2 利用Video Labeler实现车辆目标检测的步骤/

案例11：让机器的耳朵听明白声音：基于LSTM的日语元音序列分类示例/

     11.1 利用LSTM实现日语元音序列分类的步骤/

     11.2 日语元音序列分类程序详解/

案例12：深度学习助力医学发展：基于Inception-v3网络迁移学习的视网膜病变检测/

     12.1 Inception-v3深度网络介绍/

     12.2 Kaggle竞赛眼疾检测数据集/

     12.3 数据集预处理/

     12.4 在Inception*V3上应用迁移学习实现DR图像分类/

     12.5 例程实现与解析/

     12.6 通过类激活映射来辅助诊断/

案例13：知己知彼：深度神经网络的脆弱性及AI对抗技术/

     13.1 深度神经网络的脆弱性/

     13.2 AI对抗技术及其发展趋势/

案例14：识音辨意：基于深度学习的语音识别/

     14.1 下载Spech Commands Dataset数据集/

     14.2 标注数据集/

     14.3 划分训练集、验证集和测试集/

     14.4 对音频原始文件预处理/

     14.5 建立网络/

     14.6 训练网络/

     14.7 评价*终结果/

     14.8 网络的大小与单次推理时间/

案例15：方便快捷：深度学习模型代码的自动生成/

     15.1 深度学习网络模型：从开发到部署/

     15.2 MATLAB生成推理模型代码的步骤/

     15.3 安装GPU平台的代码生成工具/

     15.4 代码生成例程实现与解析/

案例16：互通共享：如何将在Keras中设计训练的网络导入MATLAB深度学习工具箱中/

     16.1 导入网络的详细步骤/

     16.2 例程实现与解析/

案例17：快速部署：如何将训练好的深度神经网络部署到树莓派上/

     17.1 什么是树莓派/

     17.2 SqueezeNet简介/

     17.3 自动生成C++代码及其在树莓派上的实现/

参考文献