深度卷积网络:原理与实践

彭博
前言 为何写作本书 自2012年以来,随着深度学习(Deep Learning,DL)的快速发展,人工智能(Artificial Intelligence,AI)取得了长足的进展。 从语音助手、人脸识别、照片美化,到自动驾驶、医疗诊断、机器翻译,基于深度神经网络(Deep Neural Network,DNN)的新一代人工智能,已在各个领域进入我们的日常生活。许多学者认为,人工智能将开启第四次工业革命,并对人类的未来产生深远影响。 例如,通过Mask R-CNN深度神经网络,电脑可快速自动识别出图像中的各个物体,用色彩和方框标记。这对于自动驾驶和机器人技术有重要意义,也是传统AI方法难以实现的。 图片 值此变革之际,我们理应跟上时代的步伐,增进对DL与AI的了解。本书的目标是: ·如果读者没有编程和数学基础,也能在阅读后体会到深度神经网络的奥妙。 ·如果读者有一定基础,就可学会用DL的方法解决实际问题,为从事相关的工作和研究做好准备。 具体而言,本书选取深度卷积网络(Deep Convolutional Neural Network,DCNN)作为切入点,这是目前最流行的深度神经网络架构,其构造直观易懂,效果引人入胜,在图像、视频、语音、语言领域都有广泛应用。 我们还将结合多个实例进行讲述,让读者更深入理解深度神经网络的运作。说起深度神经网络的实例,广为人知的莫过于由Google DeepMind研发的AlphaGo(https://deepmind.com/research/alphago/): ·在2016年3月,AlphaGo以4:1战胜韩国顶尖棋手李世乭,让AI成为了目前最热门的话题之一。 ·在2017年5月,新版AlphaGo以3:0战胜当今世界围棋第一人——中国的柯洁。所有棋手都认同它已全面胜过人类,但它仍需要人类棋谱作为训练的前期输入。 ·在2017年10月…