深度学习基础篇

第1章 绪论

1.1引言

1.1.1Google的深度学习成果

1.1.2Microsoft的深度学习成果

1.1.3国内公司的深度学习成果

1.2深度学习技术的发展历程

1.3深度学习的应用领域

1.3.1图像识别领域

1.3.2语音识别领域

1.3.3自然语言理解领域

1.4如何开展深度学习的研究和应用开发

参考文献

第2章 国内外深度学习技术研发现状及其产业化趋势

2.1Google在深度学习领域的研发现状

2.1.1深度学习在Google的应用

2.1.2Google的TensorFlow深度学习平台

2.1.3Google的深度学习芯片TPU

2.2Facebook在深度学习领域的研发现状

2.2.1Torchnet

2.2.2DeepText

2.3百度在深度学习领域的研发现状

2.3.1光学字符识别

2.3.2商品图像搜索

2.3.3在线广告

2.3.4以图搜图

2.3.5语音识别

2.3.6百度开源深度学习平台MXNet及其改进的深度语音识别系统Warp-CTC

2.4阿里巴巴在深度学习领域的研发现状

2.4.1拍立淘

2.4.2阿里小蜜——智能客服Messenger

2.5京东在深度学习领域的研发现状

2.6腾讯在深度学习领域的研发现状

2.7科创型公司（基于深度学习的人脸识别系统）

2.8深度学习的硬件支撑——NVIDIA GPU

参考文献

深度学习理论篇

第3章 神经网络

3.1神经元的概念

3.2神经网络

3.2.1后向传播算法

3.2.2后向传播算法推导

3.3神经网络算法示例

参考文献

第4章 卷积神经网络

4.1卷积神经网络特性

4.1.1局部连接

4.1.2权值共享

4.1.3空间相关下采样

4.2卷积神经网络操作

4.2.1卷积操作

4.2.2下采样操作

4.3卷积神经网络示例：LeNet-5

参考文献

深度学习工具篇

第5章 深度学习工具Caffe

5.1Caffe的安装

5.1.1安装依赖包

5.1.2CUDA安装

5.1.3MATLAB和Python安装

5.1.4OpenCV安装（可选）

5.1.5Intel MKL或者BLAS安装

5.1.6Caffe编译和测试

5.1.7Caffe安装问题分析

5.2Caffe框架与源代码解析

5.2.1数据层解析

5.2.2网络层解析

5.2.3网络结构解析

5.2.4网络求解解析

参考文献

第6章 深度学习工具Pylearn2

6.1Pyleam2的安装

6.1.1相关依赖安装

6.1.2安装Pylearn2

6.2Pylearn2的使用

参考文献

深度学习实践篇（入门与进阶）

第7章 基于深度学习的手写数字识别

7.1数据介绍

7.1.1MNIST数据集

7.1.2提取MNIST数据集图片

7.2手写数字识别流程

7.2.1模型介绍

7.2.2操作流程

7.3实验结果分析

参考文献

第8章 基于深度学习的图像识别

8.1数据来源

8.1.1Cifar10数据集介绍

8.1.2Cifar10数据集格式

8.2Cifar10识别流程

8.2.1模型介绍

8.2.2操作流程

8.3实验结果分析

参考文献

第9章 基于深度学习的物体图像识别

9.1数据来源

9.1.1Caltech101数据集

9.1.2Caltech101数据集处理

9.2物体图像识别流程

9.2.1模型介绍

9.2.2操作流程

9.3实验结果分析

参考文献

第10章 基于深度学习的人脸识别

10.1数据来源

10.1.1AT＆T Facedatabase数据库

10.1.2数据库处理

10.2人脸识别流程

10.2.1模型介绍

10.2.2操作流程

10.3实验结果分析

参考文献

深度学习实践篇（高级应用）

第11章 基于深度学习的人脸识别——DeepID算法

11.1问题定义与数据来源

11.2算法原理

11.2.1数据预处理

11.2.2模型训练策略

11.2.3算法验证和结果评估

11.3人脸识别步骤

11.3.1数据预处理

11.3.2深度网络结构模型

11.3.3提取深度特征与人脸验证

11.4实验结果分析

11.4.1实验数据

11.4.2实验结果分析

参考文献

第12章 基于深度学习的表情识别

12.1表情数据

12.1.1Cohn-Kanade（CK＋）数据库

12.1.2JAFFE数据库

12.2算法原理

12.3表情识别步骤

12.3.1数据预处理

12.3.2深度神经网络结构模型

12.3.3提取深度特征及分类

12.4实验结果分析

12.4.1实现细节

12.4.2实验结果对比

参考文献

第13章 基于深度学习的年龄估计

13.1问题定义

13.2年龄估计算法

13.2.1数据预处理

13.2.2提取深度特征

13.2.3提取LBP特征

13.2.4训练回归模型

13.3实验结果分析

参考文献

第14章 基于深度学习的人脸关键点检测

14.1问题定义和数据来源

14.2基于深度学习的人脸关键点检测的步骤

14.2.1数据预处理

14.2.2训练深度学习网络模型

14.2.3预测和处理关键点坐标

参考文献

深度学习总结与展望篇

第15章 总结与展望

15.1深度学习领域当前的主流技术及其应用领域

15.1.1图像识别

15.1.2语音识别与自然语言理解

15.2深度学习的缺陷

15.2.1深度学习在硬件方面的门槛较高

15.2.2深度学习在软件安装与配置方面的门槛较高

15.2.3深度学习最重要的问题在于需要海量的有标注的数据作为支撑

15.2.4深度学习的最后阶段竟然变成枯燥、机械、及其耗时的调参工作

15.2.5深度学习不适用于数据量较小的数据

15.2.6深度学习目前主要用于图像、声音的识别和自然语言的理解

15.2.7研究人员从事深度学习研究的困境

15.3展望

参考文献