深度学习是机器学习领域中一个新的研究方向，也是机器学习领域中近年来发展最快的一个分支，在语音和图像识别方面具有突出优势，极大推动了人工智能技术的发展。本书介绍了深度卷积神经网络、理论基础、面向真实世界的单帧图像超分辨率重建技术研究、面向真实世界的单帧图像超分辨率重建技术研究、双波段异源图像检测跟踪成像技术应用研究、基于回归网络的单幅图像超分辨重建代码实例等。

第章绪论//

11光电成像探测技术发展概况//
111光电成像系统发展瓶颈//
112融合技术国内外研究现状//
12本书主要章节组织安排//


第章深度卷积神经网络//

21引言//
22CNN基础操作//
221卷积操作//
222池化操作//
223激活层//
224批归一化层//
225全连接层//
226小结//
23常见的CNN模型结构//
231LeNet//
232AlexNet//
233VGGNet//
234GoogLeNet//
235ResNet//
236小结//
24常见目标损失函数//
241交叉熵损失函数//
242平均绝对误差损失函数//
243均方差损失函数//
244小结//
25网络参数与超参数//
251参数和超参数区别//
252参数类别//
253超参数调优//
254小结//


第章基于深度学习的红外与微光图像处理理论基础//

31异源图像融合相关理论基础//
311红外与可见光成像机理//
312异源图像融合基本流程与算法//
313图像融合质量评价//
32图像超分辨率成像相关理论基础//
321图像退化正向模型//
322相机的离散采样理论//
323成像系统分辨率因素//
33图像超分辨率重建方法概述//
331基于插值的单帧图像超分辨率重建技术//
332多帧图像超分辨率重建技术//
333基于融合神经网络的单帧图像超分辨率重建技术//


第章面向真实世界的单帧图像超分辨率重建技术研究//

41引言//
42基于编-解码策略的单帧红外图像超分辨率重建//
421网络结构//
422实验结果与分析//
43基于双路传播的伪彩色红外图像超分辨率重建//
431引言//
432基于双路传播的高分辨率彩色重建网络//
433实验结果与分析//
44基于回归网络的单幅图像超分辨率重建//
441引言//
442网络基本构建模块//
443基于闭环回归的图像超分辨率网络及算法//
444实验结果与分析//
45基于真实世界数据集构建//
451引言//
452薄透镜成像原理//
453采集图像预处理//


第章基于暗弱场景下微光图像超分辨率成像技术研究//

51引言//
52算法思路与网络结构//
53分析与讨论//
531数据集建立//
532实验设置//


第章跨模态异源图像高分辨率成像技术研究//

61引言//
62算法思路与流程//
621语义分割//
622风格迁移//
63融合神经网络构建//
64实验结果与分析//


第章双波段异源图像检测跟踪成像技术应用研究//

71引言//
72基于YOLOv5的目标检测识别技术研究//
721网络模型//
722实验结果与分析//
73基于孪生网络的目标跟踪技术研究//
731基准网络框架//
732网络模型//
733实验结果与分析//


第章单幅图像超分辨率重建算法部署与应用//

81软硬件基础//
811计算机系统//
812软件下载//
82环境配置//
821配置镜像源//
822终端操作//
823常用命令操作//
83数据集//
831公开数据集//
832数据集制作//
84代码实例//
841文件组织架构//
842关于__init__py//
843数据加载//
844模型设计//
845损失函数和优化器//
846训练//
847测试//
848结果展示//


参考文献//