本书内容主要划分为以下五个部分：第一部分包含第一章和第二章，对深度学习背景及基础进行介绍，主要包括深度学习常见领域、通用优化方法以及相关软件工具、环境配置；第二部分包含第三章，主要对典型深度学习网络进行介绍；第三部分包含第四、第五、第六、第七章，主要是对热门AI项目进行复现的实训教程；第四部分包含第八、第九、第十章，主要介绍了近些年电气工程学院典型研究成果；第五部分包含第十一章、第十二章，旨在介绍轨道交通智能化过程中实际问题，引导学生利用所学知识开展面轨道交通智能化项目实战。
第一部分 深度学习基础、环境配置介绍
1 深度学习背景及基础知识
1．1 深度学习相关应用领域
1．2 深度学习种类
1．3 基于深度学习的优化方法
1．4 深度学习常用软件工具及平台
1．5 深度学习相关加速技术
1．6 其他技术研究
2 深度学习环境配置
2．1 CUDA及CUDNN安装
2．2 版本选择
2．3 Tensorflow-gpu安装
2．4 Pytorch-gpu安装
第二部分 深度学习网络介绍
3 典型深度学习网络介绍
3．1 DenSeNet
3．2 VGG Net
3．3 ResNet
3．4 GoogLeNet
3．5 Xception
3．6 EfficientNet
第三部分 热门AI项目复现
4 项目一 基于神经网络的气温预测
4．1 前期准备
4．2 原理介绍
4．3 实训流程
4．4 总结展望
5 项目二 基于DeeplabV3的语义分割
5．1 前期准备
5．2 原理介绍
5．3 实训流程
5．4 总结展望
6 项目三 基于YOLOv3的口罩佩戴检测
6．1 前期准备
6．2 原理介绍
6．3 实训流程
6．4 总结展望
7 项目四 基于faceNet的人脸识别
7．1 前期准备
7．2 原理介绍
7．3 实训流程
7．4 总结展望
第四部分 轨道交通智能化典型工程案例
8 工程应用一 弓网燃弧检测
8．1 项目背景以及目标
8．2 数据采集及预处理
8．3 弓网燃弧检测算法总体设计
8．4 网络训练、测试与验证
8．5 总结与展望
8．6 附录
9 工程应用二牵引变电所异物入侵检测
9．1 项目背景及目标
9．2 项目数据采集及预处理
9．3 牵引变电所异物入侵检测算法设计
9．4 网络训练与测试
9．5 总结与展望
9．6 附录
10 工程应用三 运达地铁列车3600外观检测
10．1 螺栓松动检测
……
第五部分 轨道交通智能化实战项目
参考文献
书单推荐
