第一部分 深度學(xué)習(xí)基礎(chǔ)、環(huán)境配置介紹

1 深度學(xué)習(xí)背景及基礎(chǔ)知識

1．1 深度學(xué)習(xí)相關(guān)應(yīng)用領(lǐng)域

1．2 深度學(xué)習(xí)種類

1．3 基于深度學(xué)習(xí)的優(yōu)化方法

1．4 深度學(xué)習(xí)常用軟件工具及平臺

1．5 深度學(xué)習(xí)相關(guān)加速技術(shù)

1．6 其他技術(shù)研究

2 深度學(xué)習(xí)環(huán)境配置

2．1 CUDA及CUDNN安裝

2．2 版本選擇

2．3 Tensorflow-gpu安裝

2．4 Pytorch-gpu安裝

第二部分 深度學(xué)習(xí)網(wǎng)絡(luò)介紹

3 典型深度學(xué)習(xí)網(wǎng)絡(luò)介紹

3．1 DenSeNet

3．2 VGG Net

3．3 ResNet

3．4 GoogLeNet

3．5 Xception

3．6 EfficientNet

第三部分 熱門AI項(xiàng)目復(fù)現(xiàn)

4 項(xiàng)目一 基于神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測

4．1 前期準(zhǔn)備

4．2 原理介紹

4．3 實(shí)訓(xùn)流程

4．4 總結(jié)展望

5 項(xiàng)目二 基于DeeplabV3的語義分割

5．1 前期準(zhǔn)備

5．2 原理介紹

5．3 實(shí)訓(xùn)流程

5．4 總結(jié)展望

6 項(xiàng)目三 基于YOLOv3的口罩佩戴檢測

6．1 前期準(zhǔn)備

6．2 原理介紹

6．3 實(shí)訓(xùn)流程

6．4 總結(jié)展望

7 項(xiàng)目四 基于faceNet的人臉識別

7．1 前期準(zhǔn)備

7．2 原理介紹

7．3 實(shí)訓(xùn)流程

7．4 總結(jié)展望

第四部分 軌道交通智能化典型工程案例

8 工程應(yīng)用一 弓網(wǎng)燃弧檢測

8．1 項(xiàng)目背景以及目標(biāo)

8．2 數(shù)據(jù)采集及預(yù)處理

8．3 弓網(wǎng)燃弧檢測算法總體設(shè)計

8．4 網(wǎng)絡(luò)訓(xùn)練、測試與驗(yàn)證

8．5 總結(jié)與展望

8．6 附錄

9 工程應(yīng)用二牽引變電所異物入侵檢測

9．1 項(xiàng)目背景及目標(biāo)

9．2 項(xiàng)目數(shù)據(jù)采集及預(yù)處理

9．3 牽引變電所異物入侵檢測算法設(shè)計

9．4 網(wǎng)絡(luò)訓(xùn)練與測試

9．5 總結(jié)與展望

9．6 附錄

10 工程應(yīng)用三 運(yùn)達(dá)地鐵列車3600外觀檢測

10．1 螺栓松動檢測

……

第五部分 軌道交通智能化實(shí)戰(zhàn)項(xiàng)目

參考文獻(xiàn)