[正版新书]人工智能实验教程 焦李成、田小林、侯彪、李阳阳、马文萍、孙其功 清华大学出版社 人工智能

人工智能是一门新的交叉学科，近年来涌现出的许多算法模型和框架已经应用于实际生活。本书面向人工智能算法的实践与应用，全书共分为两大部分：第一部分主要介绍了人工智能基础，包括人工智能、机器学习、深度学习简述、深度神经网络的构成、深度神经网络典型模型、以及深度网络构建主要涉及的软件及环境配置等；第二部分针对近年来的典型模型结构和实践过程进行详细讨论，主要包括卷积神经网络、生成对抗网络、循环神经网络、图神经网络的实验，这些实验具体内容涉及图像与视频的检测、分割、跟踪等多项实践任务。该教程以实践与应用为导向，取材广泛，内容详实，具有理论与实践相结合的特点。每个实验详细阐述了实践的背景与内容，深入分析了实践的详细流程，描述了实践数据及来源，给出了参考文献和必要的链接。

本书可作为人工智能、智能科学与技术、计算机科学与技术等相关专业高年级本科生及研究生的实验教材，也可供相关领域及其交叉领域中从事机器学习及相关应用研究的技术人员参考使用。

焦李成，男，教授，博导/硕导，分别于1982年，1984年，1990年于上海交通大学，西安交通大学获得学士、硕士、博士学位。入选欧洲科学院外籍院士，俄罗斯自然科学院外籍院士。主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算。现任西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解教育部重点实验室主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，西安市人工智能产业发展联盟理事长、中国人工智能学会第六-七届副理事长、IEEE TGRS副主编、IEEE TCyb副主编，IEEE/IET/CAAI/CAA/CIE /CCF Fellow，连续七年入选爱思唯尔高被引学者榜单。研究成果获包括青年科技奖，吴文俊人工智能杰出贡献奖，国家自然科学奖二等奖及省部级一等奖以上科技奖励十余项。

（1）理论与创新相结合。本书反映当前人工智能研究的相关热点问题，突出夯实理论、重视实践、培育创新三位一体的紧密结合。

（2）取材兼顾新颖性和趣味性。选取实验中既包括人工智能发展中的前沿热点问题，也有与日常生活密切相关的实际问题，还有趣味性的实验，同时部分实验涉及工业领域的实际复杂应用。

（3）实验内容与理论教学相融合。选取实验涵盖了深度神经网络理论教学的基本内容，还包括深度神经网络的经典模型构建、模型的优化和训练。

（4）文风妙趣横生，内容详实。从实验的背景信息、模型构建的原理到实验操作的流程步骤均进行了详尽的描述。

（5）研发相关实验系统与平台。针对本书的实验内容，团队研发了相应的的人工智能实训平台，为读者提供了实验环境和教学资料，读者通过该平台可以进行完整的实验操作。

目录

第1章视频分类

1.1背景介绍

1.2算法原理

1.2.1Slow路径

1.2.2Fast路径

1.2.3横向连接

1.2.4SlowFast的实例化

1.3实验操作

1.3.1实验环境

1.3.2数据集介绍

1.3.3实验操作与结果

1.4总结与展望

参考文献

第2章目标检测

2.1背景介绍

2.2算法原理

2.2.1边界框预测

2.2.2分类预测

2.2.3YOLOv3网络结构

2.2.4损失函数

2.3实验操作

2.3.1实验环境

2.3.2数据集介绍

2.3.3实验操作与结果

2.4总结与展望

参考文献

第3章表情识别

3.1背景介绍

3.2算法原理

3.2.1ResNet介绍

3.2.2类激活映射

3.2.3注意力一致性

3.2.4EAC模型介绍

3.3实验操作

3.3.1实验环境

3.3.2数据集介绍

3.3.3实验操作与结果

3.4总结与展望

参考文献

第4章呼吸检测

4.1背景介绍

4.2算法原理

4.2.1时空网络

4.2.2自编码器

4.2.3网络模型

4.3实验操作

4.3.1代码介绍

4.3.2数据集

4.3.3实验操作与结果

4.4总结与展望

参考文献

第5章心率检测

5.1背景介绍

5.2算法原理

5.2.1基于皮肤反射模型的帧差表示

5.2.2基于注意力机制的外观表示

5.2.3网络模型

5.3实验操作

5.3.1代码介绍

5.3.2数据集介绍

5.3.3实验操作与结果

5.4总结与展望

参考文献

第6章视线估计

6.1背景介绍

6.1.1基于模型的视线估计方法

6.1.2基于表观的视线估计方法

6.2算法原理

6.2.1基础知识介绍

6.2.2UnityEyes合成器介绍

6.2.3视线估计网络结构介绍

6.3实验操作

6.3.1代码介绍

6.3.2数据集

6.3.3实验操作与结果

6.4总结与展望

参考文献

第7章3D人脸重建

7.1背景介绍

7.2算法原理

7.2.1网络结构介绍

7.2.2FLAME模型

7.2.3损失函数

7.3实验操作

7.3.1代码介绍

7.3.2数据集介绍

7.3.3实验操作与结果

7.4总结与展望

参考文献

第8章3D目标检测

8.1背景介绍

8.1.1基于激光雷达点云的目标检测方法

8.1.2基于多传感器融合的3D目标检测方法

8.1.3基于图像的目标检测方法

8.2算法原理

8.2.1特征编码器网络

8.2.2特征提取网络

8.2.3检测器

8.2.4损失函数

8.3实验操作

8.3.1代码介绍

8.3.2数据集介绍

8.3.3实验操作与结果

8.4总结与展望

参考文献

第9章3D手部姿态估计

9.1背景介绍

9.1.1基于彩色图像的手部姿态估计方法

9.1.2基于深度图像的手部姿态估计方法

9.2算法原理

9.2.1基础知识介绍

9.2.2图卷积神经网络

9.2.33D手部姿态估计网络

9.3实验操作

9.3.1代码介绍

9.3.2数据集

9.3.3实验操作与结果

9.4总结与展望

参考文献

第10章图像翻译

10.1背景介绍

10.2算法原理

10.2.1跨域对齐网络

10.2.2空间自适应去规范化

10.2.3图像生成网络

10.2.4网络结构介绍

10.3实验操作

10.3.1代码介绍

10.3.2数据集介绍

10.3.3实验操作与结果

10.4总结与展望

参考文献

第11章图像转文本

11.1背景介绍

11.2算法原理

11.2.1自注意力机制

11.2.2Transformer

11.2.3M2 Transformer

11.2.4网络结构介绍

11.3实验操作

11.3.1代码介绍

11.3.2数据集介绍

11.3.3实验操作与结果

11.4总结与展望

参考文献

第12章文本生成图像

12.1背景介绍

12.2算法原理

12.2.1双向长短时记忆网络

12.2.2文本图像融合模块

12.2.3匹配感知梯度惩罚

12.2.4网络结构介绍

12.3实验操作

12.3.1代码介绍

12.3.2数据集介绍

12.3.3实验操作与结果

12.4总结与展望

参考文献

第13章人脸老化与退龄预测

13.1背景介绍

13.2算法原理

13.2.1相关概念介绍

13.2.2算法流程简介

13.2.3网络结构介绍

13.3实验操作

13.3.1代码介绍

13.3.2数据集介绍

13.3.3实验操作与结果

13.4总结与展望

参考文献

第14章图像超分辨率

14.1背景介绍

14.1.1单图像超分辨率重建方法

14.1.2基于参考的图像超分辨率重建

14.2算法原理

14.2.1Swin Transformer

14.2.2SwinIR

14.3实验操作

14.3.1代码介绍

14.3.2数据集

14.3.3实验操作与结果

14.4总结与展望

参考文献

第15章图像修复

15.1背景介绍

15.2算法原理

15.2.1基础知识介绍

15.2.2边缘生成网络

15.2.3图像补全网络

15.2.4网络结构介绍

15.3实验操作

15.3.1代码介绍

15.3.2数据集介绍

15.3.3实验操作与结果

15.4总结与展望

参考文献

第16章AI对对联

16.1背景介绍

16.2算法原理

16.2.1自然语言处理概述

16.2.2递归神经网络

16.2.3网络结构介绍

16.3实验操作

16.3.1代码介绍

16.3.2数据集介绍

16.3.3实验操作与结果

16.4总结与展望

参考文献

第17章语音识别

17.1背景介绍

17.2算法原理

17.2.1语音信号预处理

17.2.2语音信号特征提取

17.2.3语音文本输出

17.2.4双向循环神经网络

17.2.5softmax分类器

17.2.6网络结构介绍

17.3实验操作

17.3.1代码介绍

17.3.2数据集介绍

17.3.3实验操作与结果

17.4总结与展望

参考文献

第18章图节点分类

18.1背景介绍

18.2算法原理

18.2.1整体框架

18.2.2特定卷积模块

18.2.3通用卷积模块

18.2.4注意力机制

18.2.5损失函数

18.3实验操作

18.3.1代码介绍

18.3.2数据集介绍

18.3.3实验操作与结果

18.4总结与展望

参考文献