本书首先介绍了深度学习相关的理论和主流的深度学习框架，然后从Caffe 深度学习框架为切入点，介绍了Caffe 的安装、配置、编译和接口等运行环境，剖析Caffe 网络模型的构成要素和常用的层类型和Solver 方法。通过LeNet 网络模型的Mnist 手写实例介绍其样本训练和识别过程，进一步详细解读了AlexNet、VGGNet、GoogLeNet、Siamese 和SqueezeNet 网络模型，并给出了这些模型基于Caffe 的训练实战方法。然后，本书解读了利用深度学习进行目标定位的经典网络模型：FCN、R-CNN、Fast-RCNN、Faster-RCNN 和SSD，并进行目标定位Caffe 实战。本书的最后，从著名的Kaggle 网站引入了两个经典的实战项目，并进行了有针对性的原始数据分析、网络模型设计和Caffe 训练策略实践，以求带给读者从问题提出到利用Caffe 求解的完整工程经历，从而使读者能尽快掌握Caffe 框架的使用技巧和实战经验。针对Caffe 和深度学习领域的初学者，本书是一本不可多得的参考资料。本书的内容既有易懂的理论背景，又有丰富的应用实践，是深度学习初学者的指导手册，也可作为深度学习相关领域工程师和爱好者的参考用书。
1、着重于深度学习的应用实践能力提升。
2、以Caffe 深度学习框架为切入点，剖析了Caffe 网络模型的构成。
3、深入解读了利用深度学习进行目标定位的经典网络模型。
4、以两大经典实战项目引领读者经历从问题提出到利用Caffe 求解的完整工程。
内容简介
前言
第1章 绪论
1.1 引言
1.2 人工智能的发展历程
1.3 机器学习及相关技术
1.4 国内外研究现状
参考文献
第2章 深度学习
2.1 神经网络模型
2.2 BP神经网络
2.3 卷积神经网络
2.4 深度学习框架
参考文献
第3章 Caffe简介及其安装配置
3.1 Caffe是什么
3.2 Caffe的安装环境
3.3 Caffe接口
参考文献
第4章 Caffe网络定义
4.1 Caffe模型要素
4.2 Google Protobuf结构化数据
4.3 Caffe数据库
4.4 Caffe Net
4.5 Caffe Blob
4.6 Caffe Layer
4.7 Caffe Solver
参考文献
第5章 Le Net模型
5.1 Le Net模型简介
5.2 Le Net模型解读
5.3 Caffe环境Le Net模型
参考文献
第6章 Alex Net模型
6.1 Alex Net模型介绍
6.2 Alex Net模型解读
6.3 Alex Net模型特点
6.4 Caffe环境Alex Net模型训练
参考文献
第7章 GoogLeNet模型
7.1 GoogLeNet模型简介
7.2 GoogLeNet模型解读
7.3 GoogLeNet模型的Caffe实现
参考文献
第8章 VGGNet模型
8.1 VGGNet网络模型
8.2 VGGNet网络训练
8.3 VGGNet模型分类实验
8.4 VGGNet网络结构
参考文献
第9章 Siamese模型
9.1 Siamese网络模型
9.2 Siamese网络训练
参考文献
第10章 Squeeze Net模型
10.1 Squeeze Net网络模型
10.2 Squeeze Net网络实现
第11章 FCN模型
11.1 FCN模型简介
11.2 FCN的特点和使用场景
11.3 Caffe FCN解读
参考文献
第12章R-CNN模型
12.1 R-CNN模型简介
12.2 R-CNN的特点和使用场景
12.3 Caffe R-CNN解读
参考文献
第13章 Fast-RCNN模型
13.1 Fast-RCNN模型简介
13.2 Fast-RCNN的特点和使用场景
13.3 Caffe Fast-RCNN解读
参考文献
第14章 Faster-RCNN模型
14.1 Faster-RCNN模型简介
14.2 Faster-RCNN的特点和使用场景
14.3 Caffe Faster-RCNN解读
参考文献
第15章 SSD模型
15.1 SSD模型简介
15.2 SSD的特点和使用场景
15.3 Caffe SSD解读
参考文献
第16章 Kaggle项目实践:人脸特征检测
16.1 项目简介
16.2 赛题和数据
16.3 Caffe训练和测试数据库
第17章 Kaggle项目实践:猫狗分类检测
17.1 项目简介
17.2 赛题和数据
17.3 Caffe训练和测试数据库
