本书基于PyTorch深度学习框架，结合计算机视觉中的主流任务，介绍了深度学习相关算法的计算机视觉上的应用。 本书主要内容分为两部分。第一部分为PyTorch框架使用的相关知识，以及计算机视觉和深度学习的入门知识。第二部分重点介绍深度学习在计算机视觉上的应用，包括：经典的深度卷积网络、深度注意力网络，以及基于自注意力的Transformer系列网络在图像分类中的应用；R-CNN系列、YOLO系列、SSD系列目标检测网络的算法思想及在目标检测中的应用；FCN、U-Net等全卷积网络在图像语义分割领域的应用；针对风格迁移任务，介绍了快速风格迁移、CycleGan等算法的实战应用；针对自编码器和扩散模型，介绍了相关算法在图像重构、去噪以及生成相关计算机视觉任务中的实战应用；最后介绍了迁移学习和域自适应的经典算法在跨域计算机视觉图像分类任务中的应用。 本书适合对计算机视觉、深度学习、人工智能、PyTorch使用感兴趣的初学者及研究人员自学使用，也可作为高等院校相关专业的教材及参考书。

第1章 计算机视觉与深度学习
1.1 计算机视觉简介
1.1.1 数字图像处理基础
1.1.2 主流计算机视觉任务
1.2 深度学习简介
1.2.1 深度学习发展简史
1.2.2 感知机与人工神经网络
1.2.3 卷积神经网络
1.2.4 循环神经网络
1.2.5 优化算法
1.2.6 欠拟合与过拟合
1.3 Python与PyTorch安装
1.3.1 安装Python
1.3.2 安装PyTorch
1.3.3 PyTorch核心模块
1.3.4 PyTorch辅组库
1.3.5 其他Python库
1.4 本章小结
第2章 PyTorch快速入门
2.1 张量Tensor
2.1.1 张量的数据类型
2.1.2 张量的生成
2.1.3 张量操作
2.1.4 张量计算
2.2 torch.nn模块
2.2.1 卷积层
2.2.2 池化层
2.2.3 填充层
2.2.4 激活函数层
2.2.5 归一化函数层
2.2.6 循环层
2.2.7 全连接层
2.2.8 Transformer层
2.3 图像数据操作和预处理
2.3.1 从datasets模块中导入数据并预处理
2.3.2 从文件夹中导入数据并进行预处理
2.4 优化器与损失函数
2.4.1 优化器
2.4.2 损失函数
2.5 预训练网络
2.6 GPU部署和使用
2.7 本章小结
第3章 图像分类
3.1 经典的深度图像分类网络
3.1.1 LeNet-5网络
3.1.2 AlexNet网络
3.1.3 VGG网络结构
3.1.4 GoogLeNet
3.1.5 ResNet网络
3.1.6 DenseNet网络
3.1.7 CLIP模型
3.2 卷积神经网络识别FashionMNIST
3.2.1 图像数据准备
3.2.2 卷积神经网络的搭建
3.2.3 卷积神经网络训练与预测
3.3 ResNet网络预测CIFAR
3.3.1 图像数据准备
3.3.2 ResNet网络搭建
3.3.3 ResNet网络训练与预测
3.4 微调预训练的卷积网络
3.4.1 微调预训练的VGG网络
3.4.2 准备新网络需要的数据
3.4.3 微调VGG网络的训练和预测
3.5 卷积网络可视化
3.5.1 网络中间特征可视化
3.5.2 类激活热力图可视化
3.6 CLIP模型应用
3.6.1 CLIP零样本学习
3.6.2 CIFAR10使用CLIP特征分类
3.7 本章小结
第4章 目标检测与识别
4.1 目标检测方法
4.1.1 目标检测算法分类
4.1.2 目标检测评价指标
4.1.3 目标检测常用损失函数
4.1.4 锚框与非极大值抑制
4.2 经典的目标检测网络
4.2.1 R-CNN系列网络
4.2.2 YOLO系列网络
4.2.3 SSD系列网络
4.2.4 其他目标检测网络
4.3 使用预训练的目标检测网络
4.3.1 目标检测常用数据集
4.3.2 图像目标检测
4.3.3 人体关键点检测
4.4 训练自己的YOLOv3目标检测网络
4.4.1 PASCAL VOC数据准备
4.4.2 YOLOv3网络搭建
4.4.3 YOLOv3网络训练
4.4.4 YOLOv3目标检测
4.5 本章小结
第5章 语义分割
5.1 语义分割方法
5.2 经典的语义分割网络
5.2.1 FCN
5.2.2 SegNet
5.2.3 U-Net
5.2.4 DeepLab系列
5.2.5 PSPNet
5.2.6 SAM
5.3 使用预训练的语义分割网络
5.3.1 使用预训练网络
5.3.2 语义分割评价指标
5.4 训练自己的语义分割网络
5.4.1 数据准备
5.4.2 FCN语义分割网络
5.4.3 U-Net语义分割网络
5.5 本章小结
第6章 注意力机制与Transformer
6.1 经典的注意力模型
6.1.1 SE-Net
6.1.2 SPANet
6.1.3 CBAM
6.1.4 Transformer
6.1.5 ViT
6.1.6 Swin Transformer
6.2 PyTorch预训练ViT网络应用
6.2.1 预训练ViT网络导入
6.2.2 CIFAR100数据准备
6.2.3 预训练ViT网络训练与预测
6.3 ViT网络图像分类
6.3.1 ViT网络搭建
6.3.2 CIFAR00数据准备
6.3.3 ViT网络训练与预测
6.4 本章小结
第7章 图像风格迁移
7.1 经典的图像风格迁移方法
7.1.1 固定风格固定内容的风格迁移
7.1.2 固定风格任意内容的风格迁移
7.1.3 任意风格任意内容的风格迁移
7.1.4 基于Gan的图像风格迁移
7.2 固定风格固定内容的风格迁移
7.2.1 准备VGG19网络
7.2.2 图像数据准备
7.2.3 图像的输出特征和Gram矩阵的计算
7.2.4 进行图像风格迁移
7.3 固定风格任意内容的风格迁移
7.3.1 快速风格迁移网络准备
7.3.2 快速风格迁移数据准备
7.3.3 快速风格迁移网络训练和结果展示
7.4 CycleGan风格迁移
7.4.1 CycleGan网络搭建
7.4.2 非成对图像数据准备
7.4.3 网络训练
7.4.4 图像转换结果展示
7.5 本章小结
第8章 自编码器与扩散模型
8.1 自编器模型与扩散模型介绍
8.1.1 自编码器原理
8.1.2 变分自编码器
8.1.3 VQ-VAE图像生成