AI視覺算法入門與調優

董董燦，資深AI算法與模型優化工程師，多年來深耕AI技術與底層算法優化，擁有豐富的實戰經驗與技術積累。因特網知名AI科普作者，全網（公眾號/知乎等）統一ID——“董董燦是個攻城獅”。專註於AI視覺和大模型基礎算法領域，擅長用通俗易懂的語言講解枯燥的AI技術。在因特網上創作了數百篇高質量AI算法科普文章，全網累計閱讀量超千萬，幫助數百位零基礎讀者成功入門AI。

第一章 基礎知識
1.1 人工智能基礎
1.2 計算機視覺基礎
1.2.1 算法
1.2.2 性能
1.3 編程基礎
1.3.1 Python簡介
1.3.2 C++簡介
1.4 圖像基礎
1.4.1 像素
1.4.2 圖像特徵
1.4.3 RGB圖
1.4.4 灰度圖
1.5 本章小結
第二章 傳統計算機視覺
2.1 概述
2.2 均值濾波
2.2.1 算法解析
2.2.2 代碼實戰
2.3 高斯濾波
2.3.1 算法解析
2.3.2 代碼實戰
2.4 邊緣檢測
2.5 圖像分割
2.6 本章小結
第三章 基於深度學習的計算機視覺
3.1 基礎概念
3.1.1 人工神經網絡
3.1.2 訓練和推理
3.1.3 正向傳播和反向傳播
3.2 捲積神經網絡
3.2.1 ResNet50模型
3.2.2 ResNet50中的算法
3.3 訓練一個捲積神經網絡
第四章 算法詳解與實戰
4.1 捲積
4.1.1 初識捲積
4.1.2 特徵圖
4.1.3 感受野
4.1.4 乘累加運算
4.1.5 多維捲積公式
4.1.6 填充
4.1.7 步長
4.1.8 膨脹率
4.1.9 輸出尺寸公式
4.1.10 手寫捲積
4.1.11 捲積總結
4.2 池化
4.2.1 什麽是池化
4.2.2 池化的作用
4.2.3 全局平均池化
4.2.4 手寫池化算法
4.3 BatchNormalization
4.3.1 BN的作用
4.3.2 訓練和推理中的BN
4.3.3 手寫BN
4.3.4 捲積與BN的融合
4.4 激活函數
4.4.1 非線性
4.4.2 ReLU
4.4.3 Sigmoid
4.5 殘差結構
4.5.1 殘差結構的作用
4.5.2 手寫殘差結構
4.6 全連接
4.6.1 全連接的作用
4.6.2 手寫全連接
4.7 SoftMax與交叉熵損失
4.7.1 SoftMax
4.7.2 交叉熵損失
4.8 本章小結
第五章 基於Python從零手寫模型
5.1 Python環境配置
5.2 Python目錄簡介
5.3 圖像加載
5.4 圖像預處理
5.4.1 圖像縮放和裁剪
5.4.2 圖像標準化
5.4.3 實戰代碼
5.5 模型準備
5.5.1 模型下載
5.5.2 權值保存
5.5.3 權值加載
5.6 手寫算法
5.7 搭建模型
5.8 模型預測
5.9 性能指標
5.10 捲積計算優化
第六章 基於C++優化模型
6.1 C++環境配置
6.2 C++目錄簡介
6.3 C++代碼使用
6.4 計算向量化
6.4.1 什麽是向量計算
6.4.2 AVX2指令集
6.4.3 向量寄存器
6.4.4 向量數據加載
6.4.5 利用AVX2優化捲積
6.4.6 性能評估
6.5 權值預加載優化
6.5.1 權值加載
6.5.2 預加載操作
6.5.3 性能評估
6.6 內存優化
6.6.1 內存申請機制
6.6.2 字符串優化
6.6.3 動態內存優化
6.6.4 性能評估
6.7 多線程優化
6.7.1 多線程簡介
6.7.2 捲積的多線程拆分
6.7.3 性能評估
6.8 性能優化總結
後記
附錄
1.1 One-hot編碼
1.2 快速搭建Ubuntu環境
1.2.1 安裝步驟
1.2.2 軟件管理
1.3 OpenCV介紹
1.3.1 什麽是OpenCV
1.3.2 OpenCV環境搭建
參考文獻