第 一篇 目標(biāo)檢測與分割 第 1 章 雙階段檢測 3 11 R-CNN 4 111　R-CNN 檢測流程 5 112　候選區(qū)域提取 6 113 預(yù)訓(xùn)練及微調(diào) 7 114 訓(xùn)練數(shù)據(jù)準(zhǔn)備 7 115　NMS 8 116　小結(jié) 9 12 SPP-Net 9 121　空間金字塔池化 10 122　SPP-Net 的推理流程 11 123　小結(jié) 13 13 Fast R-CNN 13 131　Fast R-CNN 算法介紹 13 132　數(shù)據(jù)準(zhǔn)備 14 133　Fast R-CNN 網(wǎng)絡(luò)結(jié)構(gòu) 15 134　多任務(wù)損失函數(shù) 16 135　Fast R-CNN 的訓(xùn)練細(xì)節(jié)17 136　Fast R-CNN 的推理流程18 137　小結(jié) 18 14 Faster R-CNN 18 141　區(qū)域候選網(wǎng)絡(luò) 18 142　Faster R-CNN 的訓(xùn)練 22 143　小結(jié) 22 15 R-FCN 23 151　提出動機 23 152　R-FCN 的網(wǎng)絡(luò) 24 153　R-FCN 結(jié)果可視化 26 154　小結(jié) 27 16 Mask R-CNN 27 161　Mask R-CNN 的動機 28 162　Mask R-CNN 詳解 28 163　小結(jié) 31 17 MaskX R-CNN 31 171　權(quán)值遷移函數(shù) 32 172　MaskX R-CNN 的訓(xùn)練 32 173　小結(jié) 33 18 DCNv1 和 DCNv2 33 181　DCNv1 33 182　DCNv2 36 183　小結(jié) 39 第 2 章 單階段檢測 40 21 YOLOv1 41 211　YOLOv1 的網(wǎng)絡(luò)結(jié)構(gòu) 42 212　損失函數(shù) 44 213　小結(jié) 46 22 SSD 和 DSSD 47 221　SSD 48 222　DSSD 51 223　小結(jié) 53 23 YOLOv2 54 231　YOLOv2：更快，更高 54 232　YOLO9000：更強 59 233　小結(jié) 61 24 YOLOv3 61 241　多標(biāo)簽任務(wù) 62 242　骨干網(wǎng)絡(luò) 62 243　多尺度特征 63 244　錨點聚類 63 245　YOLOv3 一些失敗的嘗試 64 246　小結(jié) 64 25 YOLOv4 65 251　背景介紹 65 252　數(shù)據(jù) 65 253　模型 69 254　后處理 78 255　YOLOv4 改進(jìn)介紹 79 256　小結(jié) 82 第 3 章 無錨點檢測 83 31 DenseBox 84 311　DenseBox 的網(wǎng)絡(luò)結(jié)構(gòu) 84 312　多任務(wù)模型 85 313　訓(xùn)練數(shù)據(jù) 86 314　結(jié)合關(guān)鍵點檢測 87 315　測試 88 316　小結(jié) 88 32 CornerNet 89 321　背景 89 322　CornerNet 詳解 90 323　小結(jié) 95 33 CornerNet-Lite 96 331　CornerNet-Saccade 96 332　CornerNet-Squeeze 99 333　 小結(jié) 99 34 CenterNet 99 341　網(wǎng)絡(luò)結(jié)構(gòu) 100 342　數(shù)據(jù)準(zhǔn)備 102 343　損失函數(shù) 103 344　推理過程 104 345　小結(jié) 104 35 FCOS 104 351　算法背景 105 352　FCOS 的網(wǎng)絡(luò)結(jié)構(gòu) 105 353　多尺度預(yù)測 107 354　測試 107 355　小結(jié) 107 36 DETR 107 361　網(wǎng)絡(luò)結(jié)構(gòu) 108 362　損失函數(shù) 109 363　小結(jié) 111 第 4 章 特征融合 112 41 FPN 113 411　CNN 中的常見骨干網(wǎng)絡(luò) 113 412　FPN 的網(wǎng)絡(luò)結(jié)構(gòu) 114 413　FPN 的應(yīng)用 116 414　小結(jié) 116 42 PANet 117 421　PANet 117 422　小結(jié) 120 43 NAS-FPN 121 431　NAS-FPN 算法詳解 121 432　NAS-FPN Lite 125 433　小結(jié) 125 44 Effi cientDet 125 441　BiFPN 126 442　EfficientDet 詳解 127 443　小結(jié) 128 第 5 章 損失函數(shù) 129 51 Focal Loss 129 511　Focal Loss 介紹 130 512　RetinaNet132 513　小結(jié)132 52 IoU 損失 133 521　背景知識 133 522　IoU 損失133 523　UnitBox 網(wǎng)絡(luò)結(jié)構(gòu)135 524　小結(jié)136 53 GIoU 損失 136 531　算法背景 136 532　GIoU 損失詳解137 533　小結(jié)139 54 DIoU 損失和 CIoU 損失 140 541　背景140 542　DIoU 損失141 543　CIoU 損失142 544　小結(jié)142 55 Focal-EIoU 損失 143 551　EIoU 損失143 552　Focal L1 損失144 553　Focal-EIoU 損失146 554　小結(jié)146 第 6 章 語義分割 147 61 FCN 和 SegNet 148 611　背景知識 148 612　FCN 詳解149 613　SegNet 詳解150 614　分割指標(biāo) 151 615　小結(jié)152 62 U-Net 152 621　U-Net 詳解153 622　數(shù)據(jù)擴充 155 623　小結(jié)155 63 V-Net 156 631　網(wǎng)絡(luò)結(jié)構(gòu) 156 632　Dice 損失 160 633　小結(jié)161 64 DeepLab 系列 161 641　DeepLab v1161 642　DeepLab v2164 643　DeepLab v3165 644　DeepLab v3+167 645　小結(jié)170 第二篇 場景文字檢測與識別 第 7 章 場景文字檢測 173 71 DeepText 173 711　RPN 回顧174 712　DeepText 詳解175 713　小結(jié)175 72 CTPN 176 721　算法流程 176 722　數(shù)據(jù)準(zhǔn)備 177 723　CTPN 的錨點機制 177 724　CTPN 中的 RNN178 725　邊界微調(diào) 178 726　CTPN 的損失函數(shù) 179 727　小結(jié)179 73 RRPN 179 731　RRPN 詳解180 732　位置精校 183 733　小結(jié)184 74 HED 185 741　HED 的骨干網(wǎng)絡(luò) 186 742　整體嵌套網(wǎng)絡(luò) 186 743　HED 的損失函數(shù) 187 744　小結(jié) 188 75 HMCP 188 751　HMCP 的標(biāo)簽值 189 752　HMCP 的骨干網(wǎng)絡(luò) 190 753　訓(xùn)練 190 754　檢測 191 755　小結(jié) 193 76 EAST 193 761　網(wǎng)絡(luò)結(jié)構(gòu) 193 762　EAST 的標(biāo)簽生成 194 763　EAST 的損失函數(shù) 196 764　局部感知 NMS 196 765　Advanced-EAST 197 766　小結(jié) 198 77 PixelLink 198 771　骨干網(wǎng)絡(luò) 199 772　PixelLink 的標(biāo)簽 199 773　PixelLink 的損失函數(shù) 200 774　后處理 201 775　小結(jié) 201 第 8 章 場景文字識別 202 81 STN 202 811　空間變形模塊 203 812　STN 205 813　STN 的應(yīng)用場景 205 814　小結(jié) 207 82 RARE 207 821　基于 TPS 的 STN 208 822　序列識別網(wǎng)絡(luò) 210 823　訓(xùn)練 212 824　基于字典的測試 212 825　小結(jié) 212 83 Bi-STET 212 831　殘差網(wǎng)絡(luò) 213 832　編碼層 213 833　解碼層 214 834　小結(jié) 214 84 CTC 214 841　算法詳解 215 842　小結(jié) 219 第三篇 其他算法與應(yīng)用 第 9 章 圖像翻譯 223 91 GAN 223 911　邏輯基礎(chǔ) 224 912　GAN 的訓(xùn)練 224 913　GAN 的損失函數(shù) 225 914　理論證明 226 915　小結(jié) 230 92 Pix2Pix 230 921　背景知識 231 922　Pix2Pix 解析 232 923　小結(jié) 234 93 Pix2PixHD 235 931　網(wǎng)絡(luò)結(jié)構(gòu) 235 932　輸入數(shù)據(jù) 240 933　損失函數(shù) 241 934　圖像生成 241 935　小結(jié) 242 94　圖像風(fēng)格遷移 242 941　算法概覽 243 942　內(nèi)容表示 244 943　風(fēng)格表示 245 944　風(fēng)格遷移 246 945　小結(jié)247 第 10 章 圖神經(jīng)網(wǎng)絡(luò)248 101 GraphSAGE 249 1011　背景知識 249 1012　算法詳解 249 1013　小結(jié)254 102 GAT 254 1021　GAT 詳解 254 1022　GAT 的推理257 1023　GAT 的屬性257 1024　小結(jié)258 103 HAN 258 1031　基本概念 258 1032　HAN 詳解259 1033　小結(jié)261 第 11 章 二維結(jié)構(gòu)識別 262 111 Show and Tell 262 1111　網(wǎng)絡(luò)結(jié)構(gòu) 263 1112　解碼264 1113　小結(jié)264 112 Show Attend and Tell 264 1121　整體框架 265 1122　小結(jié)268 113　數(shù)學(xué)公式識別268 1131　基礎(chǔ)介紹 269 1132　公式識別模型詳解272 1133　小結(jié)277 第 12 章 人像摳圖278 121 Background Matting 278 1211　輸入279 1212　生成模型 280 1213　判別模型 280 1214　模型訓(xùn)練 281 1215　模型推理 282 1216　小結(jié)282 122 Background Matting v2 283 1221　問題定義 283 1222　網(wǎng)絡(luò)結(jié)構(gòu) 284 1223　訓(xùn)練286 1224　小結(jié)286 第 13 章 圖像預(yù)訓(xùn)練287 131 MAE 287 1311　算法動機 287 1312　掩碼機制 288 1313　模型介紹 289 1314　小結(jié)291 132 BEiT v1 291 1321　背景介紹 292 1322　BEiT v1 全覽292 1323　BEiT v1 的模型結(jié)構(gòu)293 1324　掩碼圖像模型 294 1325　BEiT v1 的損失函數(shù)294 1326　小結(jié)295 133 BEiT v2 295 1331　背景介紹 295 1332　BEiT v2 概述296 1333　矢量量化 - 知識蒸餾296 1334 BEiT v2 預(yù)訓(xùn)練297 1335　小結(jié)298 第 14 章 多模態(tài)預(yù)訓(xùn)練 299 141 ViLBERT 299 1411　模型結(jié)構(gòu) 300 1412　預(yù)訓(xùn)練任務(wù) 301 1413　模型微調(diào) 302 1414　小結(jié) 303 142 CLIP 304 1421　數(shù)據(jù)收集 304 1422　學(xué)習(xí)目標(biāo)：對比學(xué)習(xí)（Contrastive Learning）預(yù)訓(xùn)練 304 1423　圖像編碼器 305 1424　文本編碼器 306 1425　CLIP 用于圖像識別 306 1426　模型效果 306 1427　小結(jié) 307 143 DALL-E 307 1431　背景知識：變分自編碼器 308 1432　階段一：離散變分自編碼器309 1433　階段二：先驗分布學(xué)習(xí) 310 1434　圖像生成 312 1435　混合精度訓(xùn)練 312 1436　分布式運算 313 1437　小結(jié) 313 144 VLMo 314 1441　算法動機 314 1442　MoME Transformer 314 1443　VLMo 預(yù)訓(xùn)練 315 1444　小結(jié) 318 145 BEiT v3 318 1451　背景：大融合 319 1452　BEiT v3 詳解320 1453　小結(jié) 322 附錄 A 雙線性插值 323 附錄 B 匈牙利算法 324 附錄 C Shift-and-Stitch 325 附錄 D 德勞內(nèi)三角化 328 附錄 E 圖像梯度 329 附錄 F 仿射變換矩陣 330