深度学习工程实践

本书包含代码实践和案例实践，运用OpenCV、PyTorch等框架工具详细讲解中文车牌识别检测、采用三元组的FaceNet人脸识别理论与实践、车道检测的两种深度学习思路及烟雾检测4大实践项目。相关理论可参考《基于深度学习的目标检测原理与应用》一书，从而学以致用、融会贯通。

第1章 本书实践项目 001
1.1 中文车牌识别检测 001
1.2 采用三元组的FaceNet人脸识别理论与实践 002
1.3 车道检测的两种深度学习思路 003
1.4 烟雾检测 004
第2章 中文车牌识别检测 006
2.1 车牌位置识别 006
2.2 车牌文字识别 014
2.3 探讨模型效果 017
第3章 采用三元组的FaceNet人脸识别
理论与实践 024
3.1 FaceNet人脸识别 024
3.1.1 人脸识别简介 024
3.1.2 传统方法 025
3.1.3 深度学习方法（MTCNN方法） 026
3.1.4 FaceNet原理 027
3.2 FaceNet代码实践 030
3.2.1 FaceNet模型代码 030
3.2.2 FaceNet数据集代码 036
3.3 FaceNet训练 039
第4章 车道检测的两种深度学习思路 049
4.1 使用语义分割方法 050
4.1.1 SegNet网络结构 050
4.1.2 SegNet代码实践 051
4.1.3 SegNet网络车道检测优缺点 054
4.2 Spatial-CNN方法 055
4.2.1 Spatial-CNN模型结构 055
4.2.2 Spatial-CNN代码实践和效果展现 058
4.2.3 Spatial-CNN训练 061
第5章 烟雾检测 069
5.1 烟雾检测难点 070
5.2 解决方案 071
5.3 使用传统方法的烟雾检测及其效果评估 072
5.3.1 HOG+SVM检测 072
5.3.2 LBP+SVM检测 078
5.4 利用VGG-16进行烟雾检测 083
5.4.1 VGG-16+SVM检测 084
5.4.2 训练SVM和预测评估 086
5.4.3 全连接神经网络 086