第1章　Python程序设计基础 1
1.1　Python语言快速入门 1
1.1.1　Python的版本与安装 1
1.1.2　编写简单的Python程序 5
1.1.3　编辑和运行复杂的Python程序 5
1.2　Python语法速览 6
1.2.1　数据类型 6
1.2.2　列表与元组 9
1.2.3　字典与集合 11
1.2.4　程序流程控制 14
1.2.5　函数定义与调用 16
1.3　类与模块 18
1.3.1　类与对象 18
1.3.2　类的继承与多态 23
1.3.3　模块 25
1.4　图形用户界面设计 29
1.4.1　图形用户界面概述 29
1.4.2　窗体容器和组件 29
1.4.3　界面布局管理 33
1.4.4　文本框及其他组件 36
本章小结 43
第2章　Python图像处理基础 44
2.1　图像处理类库PIL 44
2.1.1　图像打开与模式转换 44
2.1.2　调整图像尺寸与旋转 50
2.1.3　创建缩略图 56
2.2　绘图类库Matplotlib 58
2.2.1　绘制点和线图像 58
2.2.2　绘制图像轮廓和直方图 62
2.2.3　图像交互式标注 65
2.3　科学计算类库NumPy 69
2.3.1　图像数组表示 69
2.3.2　图像灰度转换 70
2.3.3　直方图均衡化 71
2.3.4　图像主成分分析PCA 75
2.4　数值运算类库SciPy 82
2.4.1　图像平滑 82
2.4.2　图像形态学 85
本章小结 88
第3章　深度学习基础 89
3.1　深度学习简介 89
3.2　神经网络基础 91
3.2.1　全连接神经网络结构 91
3.2.2　前向传播与反向传播 93
3.2.3　模型的整体实现 106
3.3　深度学习框架PyTorch 111
3.3.1　张量与自动微分 111
3.3.2　PyTorch常用模块 118
3.3.3　PyTorch搭建全连接神经网络 121
3.4　深度学习框架Keras 126
3.4.1　Keras常用模块 126
3.4.2　Keras搭建网络模型 127
3.4.3　Keras搭建全连接神经网络 131
3.5　卷积神经网络CNN 134
3.5.1　卷积神经网络结构 135
3.5.2　卷积与池化 135
3.5.3　卷积神经网络模型 137
本章小结 141
第4章　图像分类 142
4.1　概述 142
4.2　图像分类常用数据库 143
4.3　图像分类常用方法 144
4.3.1　决策树 144
4.3.2　K-近邻算法 145
4.3.3　逻辑回归 146
4.3.4　基于卷积神经网络的图像分类 147
4.4　图像分类实现 149
4.4.1　数据准备 150
4.4.2　分类网络搭建 153
4.4.3　分类网络训练 157
4.4.4　测试与可视化 162
本章小结 164
第5章　图像分割 165
5.1　概述 165
5.2　图像分割的常用数据集 169
5.3　图像分割常用方法介绍 170
5.3.1　传统的图像分割方法 170
5.3.2　基于深度学习的图像分割方法 176
5.4　图像分割实现 182
5.4.1　网络模型构建 182
5.4.2　网络模型训练 187
5.4.3　网络模型测试 188
本章小结 189
第6章　目标检测 190
6.1　概述 190
6.2　常用数据集 192
6.3　目标检测常用方法介绍 192
6.3.1　传统的目标检测算法 193
6.3.2　基于深度学习的目标检测算法 194
6.4　目标检测实现 205
6.4.1　文件结构 205
6.4.2　数据集的准备 206
6.4.3　训练网络模型 207
6.4.4　测试网络模型 208
6.4.5　评估网络模型 209
本章小结 210
第7章　人脸识别 211
7.1　概述 211
7.2　人脸识别常用方法介绍 212
7.2.1　特征脸法 213
7.2.2　OpenCV方法 214
7.2.3　基于深度学习的方法 215
7.3　人脸识别实现 219
7.3.1　数据集获取 219
7.3.2　图像预处理部分 221
7.3.3　卷积神经网络搭建 222
7.3.4　模型训练 224
7.3.5　模型测试 225
本章小结 228
第8章　图像风格迁移 229
8.1　概述 229
8.2　图像风格迁移常用方法介绍 230
8.2.1　基于CNN的图像风格迁移 230
8.2.2　基于GAN的图像风格迁移 234
8.2.3　图像风格迁移的发展和挑战 236
8.3　图像风格迁移实现 237
8.3.1　加载数据 237
8.3.2　损失函数 239
8.3.3　导入VGG模型 240
8.3.4　选择输入图像 243
8.3.5　梯度下降 243
8.3.6　风格迁移网络模型训练 244
本章小结 246
第9章　图像描述 247
9.1　概述 247
9.2　数据集介绍 248
9.3　图像描述常用方法介绍 249
9.3.1　基于生成的方法 249
9.3.2　基于搜索的方法 251
9.3.3　基于编解码的方法 251
9.4　图像描述实现 252
9.4.1　数据处理 253
9.4.2　ResNet网络的修改 254
9.4.3　模型构建步骤 255
9.4.4　模型训练与测试搭建 256
9.4.5　运行模型 258
本章小结 259
参考文献 260