本书深入探讨深度学习在图像识别领域的革新应用，从基础理论到前沿实践全面覆盖。阐述神经网络架构、算法精髓，展示卷积神经网络（CNN）、循环神经网络（RNN）及生成对抗网络（GAN）等网络在图像识别中的创新应用。聚焦医学影像、公共安全、智能交通等领域，探讨深度学习技术的广泛影响力。本书在写作时始终坚持以知识为基础、以问题为导向的原则，阐释深入，逻辑严谨，既有理论深度，又有示范作用，内容具体直观，可供相关领域教师、研究人员参考，对此领域感兴趣的读者也可进行阅读。

第一章 数字图像处理基础
第一节 数字图像概述
第二节 数字图像预处理技术
第三节 数字图像特征提取
第二章 深度学习核心理论
第一节 神经网络的理论架构
第二节 深度学习的关键——BP算法
第三节 深度学习的方法论
第三章 卷积神经网络与图像识别
第一节 卷积神经网络的基本结构
第二节 卷积神经网络的经典模型与应用
第三节 基于卷积神经网络的图像识别模型
第四章 循环神经网络与图像识别
第一节 循环神经网络结构与训练
第二节 基于循环神经网络的图像去雨算法
第三节 基于循环神经网络的高光谱图像联合分类
第五章 生成对抗网络与图像识别
第一节 生成对抗网络原理与模型
第二节 生成对抗网络图像的艺术设计与应用
第三节 面向图像识别的混合生成对抗网络研究
第六章 深度学习在特定领域的图像识别
第一节 基于深度学习的医学影像检测与识别
第二节 基于深度学习的公共安全监控系统
第三节 基于深度学习的智能交通系统安全行驶
参考文献