前言

时光飞逝，从2018年3月开始组织素材到本书出版，一年多的时间过去了。

创作本书的初衷是希望从学者的角度，用一种通俗易懂的方式，将基于深度学习的目标检测的相关论文中的理论和方法呈现给读者。因此，本书选取了R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、R-FCN、SSD、RetinaNet、RefineDet、YOLO等典型的目标检测网络及U-Net、SegNet、Mask R-CNN等实例分割网络进行介绍，同时针对笔者在深度学习教学过程中遇到的难点进行了深入的分析和讲解。此外，结合三位作者的研究成果，给出了目标检测在医疗、交通等领域的深度学习应用案例。

本书内容侧重于卷积神经网络，而深度学习的内容不止于此。所以，笔者将深度学习分为有监督学习、无监督学习和强化学习三类，将图像分类、目标检测、人脸识别、语音识别、生成对抗网络、AlphaGo等应用场景归入不同的类别，并分别对其原理进行了概括性的讲解。

本书分为三篇，第1章～第3章为基础篇，第4章和第5章为进阶篇，第6章～第9章为应用篇。

● 第1章介绍了深度学习的典型应用。

● 第2章介绍了深度神经网络的基础知识。

● 第3章介绍了卷积神经网络的基础知识，以及典型的卷积神经网络。

● 第4章介绍了两阶段目标检测方法和相应的分割算法。

● 第5章介绍了单阶段目标检测方法。

● 第6章给出了肋骨骨折检测的应用案例。

● 第7章给出了肺结节检测的应用案例。

● 第8章给出了车道线检测的应用案例。

● 第9章给出了交通视频分析的应用案例。

书中提到的参考链接列表，请访问http://www.broadview.com.cw/36785下载。

杜鹏、谌明负责前七章内容的编写，苏统华负责后两章内容的编写。第6章～第9章的实验部分由汪纯、许卫东、金弘晟、李松泽、孙黎完成。罗同桉、张栋、胡明玥、陈希坚等同学参与了本书的编写。金耀博士参与了本书的审校。对此，我们表示衷心的感谢。同时，感谢浙江省公益基金（No.LGF19F020014）和国家自然科学基金（No.61673140和No.81671771）对本书的资助。

近一年来，以FCOS、CornerNet-Lite、CenterNet为代表的无锚点碰撞检测成为目标检测领域新的研究热点。这类方法与基于锚点的目标检测算法相比，缩减了超参数的数量并提升了精度和性能。受时间所限，本书无法对这部分内容进行详细介绍，请感兴趣的读者参考相关文献。

本书的不足之处，恳请各位读者批评、指正。

杜鹏、谌明、苏统华

2019年11月