本书包含代码实践和案例实践，运用OpenCV、PyTorch等框架工具详细讲解中文车牌识别检测、采用三元组的FaceNet人脸识别理论与实践、车道检测的两种深度学习思路及烟雾检测4大实践项目。相关理论可参考《基于深度学习的目标检测原理与应用》一书，从而学以致用、融会贯通。 本书适合深度学习领域的工程师、研究员阅读，也可作为深度学习相关专业本科生、研究生的重要参考书，还可作为互联网行业IT技术人员转型学习人工智能的参考用书。 可登录华信教育资源网下载相关代码。

第1章 本书实践项目
1.1 中文车牌识别检测
1.2 采用三元组的FaceNet人脸识别理论与实践
1.3 车道检测的两种深度学习思路
1.4 烟雾检测
第2章 中文车牌识别检测
2.1 车牌位置识别
2.2 车牌文字识别
2.3 探讨模型效果
第3章 采用三元组的FaceNet人脸识别理论与实践
3.1 FaceNet人脸识别
3.1.1 人脸识别简介
3.1.2 传统方法
3.1.3 深度学习方法（MTCNN方法）
3.1.4 FaceNet原理
3.2 FaceNet代码实践
3.2.1 FaceNet模型代码
3.2.2 FaceNet数据集代码
3.3 FaceNet训练
第4章 车道检测的两种深度学习思路
4.1 使用语义分割方法
4.1.1 SegNet网络结构
4.1.2 SegNet代码实践
4.1.3 SegNet网络车道检测优缺点
4.2 Spatial-CNN方法
4.2.1 Spatial-CNN模型结构
4.2.2 Spatial-CNN代码实践和效果展现
4.2.3 Spatial-CNN训练
第5章 烟雾检测
5.1 烟雾检测难点
5.2 解决方案
5.3 使用传统方法的烟雾检测及其效果评估
5.3.1 HOG+SVM检测
5.3.2 LBP+SVM检测
5.4 利用VGG-16进行烟雾检测
5.4.1 VGG-16+SVM检测
5.4.2 训练SVM和预测评估
5.4.3 全连接神经网络