深度學習，特別是深度卷積神經網絡是人工智能的重要分支領域，卷積神經網絡技術也被廣泛應用於各種現實場景，在許多問題上都取得了超越人類智能的結果。本書作為該領域的入門書籍，在內容上涵蓋深度卷積神經網絡的基礎知識和實踐應用兩大方面。《解析深度學習：卷積神經網絡原理與視覺實踐》共14 章，分為三個部分：第一部分為緒論；第二部分 （第1～4 章）介紹卷積神經網絡的基礎知識、基本部件、經典結構和模型壓縮等基礎理論內容；第三部分（第5～14 章）介紹深度卷積神經網絡自數據準備開始，到模型參數初始化、不同網絡部件的選擇、網絡配置、網絡模型訓練、不平衡數據處理，最終到模型集成等實踐應用技巧和經驗。《解析深度學習：卷積神經網絡原理與視覺實踐》並不是一本編程類書籍，而是希望通過「基礎知識」和「實踐技巧」兩方面使讀者從更高維度了解、掌握並成功構建針對自身應用問題的深度卷積神經網絡。
 

《解析深度學習：卷積神經網絡原理與視覺實踐》可作為深度學習和卷積神經網絡愛好者的入門書籍，也可供沒有機器學習背景但希望能快速掌握該方面知識並將其應用於實際問題的各行從業者閱讀參考。

魏秀參

曠視科技（Face++）南京研究院負責人。南京大學LAMDA研究所博士，主要研究領域為計算機視覺和機器學習。在相關領域重要國際期刊和國際會議發表論文十餘篇，並兩次獲得國際計算機視覺相關競賽冠、亞軍。曾獲CVPR 2017最佳審稿人、南京大學博士生校長特別獎學金等榮譽，擔任ICCV、CVPR、ECCV、NIPS、IJCAI、AAAI等國際會議PC member。（個人自媒體：知乎「魏秀參」，新浪微博「Wilson_NJUer」）