本书选取交通图像和视频为研究对象，采用深度学习方法，提取图像和视频中的特征信息，实现交通目标的识别、跟踪、检测和分割功能。通过对本书的学习，读者可提升对交通领域深度学习网络的理解和应用能力。 本书可供交通运输行业相关技术人员参考，也可作为高等院校交通工程、交通运输专业的高年级本科生和研究生教材使用。

第1章 交通图像感知概论
1.1 相关概念
1.2 交通图像感知的应用
第2章 计算机编程基础
2.1 编程语言发展概述
2.2 Python编程
2.3 PyTorch框架
第3章 图像处理基础
3.1 GUI功能
3.2 核心操作
3.3 图像处理
3.4 特征检测和匹配
3.5 相机校准与坐标系转换
第4章 神经网络与深度学习
4.1 概述
4.2 神经网络
4.3 深度学习
4.4 编程实现
第5章 交通目标识别理论与方法
5.1 概述
5.2 卷积神经网络组成和实现
5.3 典型卷积神经网络结构
5.4 Transformer模型
5.5 迁移学习
第6章 交通目标检测理论与方法
6.1 概述
6.2 X-CNN目标检测算法
6.3 YOLO目标检测算法
6.4 SSD目标检测算法
第7章 交通目标轨迹跟踪理论与方法
7.1 概述
7.2 SORT算法目标轨迹跟踪算法
7.3 Deep SORT算法目标轨迹跟踪算法
第8章 交通场景分割理论与方法
8.1 概述
8.2 交通场景语义分割
8.3 交通场景实例分割
第9章 交通感知评价指标及预训练模型应用
9.1 评价指标
9.2 超参数调优
9.3 预训练模型
9.4 开源数据集
参考文献