人工智能實驗簡明教程（簡體書）

本書將人工智能的理論、實踐和創新型相結合，實現了先進性與新穎性並舉，內容涵蓋了圖像、語音、文本和視頻等人工智能技術廣泛應用的多個領域，涉及識別、分類、檢測、預測、跟蹤和三維重建等多類試驗任務。內容與理論教學相呼應，注重趣味性，極具實操性。

本書實驗體系完備，對每個實驗均從原理、實際操作到所應用平臺環境進行詳實介紹，符合人工智能發展的特質與人才培養的需求，讀者可通過本書的指導，對實驗進行整體了解並獨立完成實驗，提高自身實驗創新能力。

近年來，人工智能的發展勢如破竹，人工智能專業教育體系正在加速建設和完善中，但在人工智能專業的教學實踐中發現，實驗課程作為其中的重要一環卻還未引起足夠重視： 缺乏相應的系統性實驗教材，缺乏相關實驗教學經驗，亟待建立與理論教學體系相呼應的實驗教學體系。本書既是應需求而作，也是對本團隊十余年人工智能實驗教學經驗的總結，同時又是對人工智能實驗培養體系的探索和實踐。本書選取了部分人工智能在實際生活中有趣的應用作為實驗素材，並從理論到實現過程對這些應用進行了詳細的講解說明，希望能為廣大的人工智能學習者了解人工智能理論並完成相關實驗提供指導，也期待本書能為人工智能專業實驗課程體系建設“拋磚引玉”。
人工智能就是讓計算機仿照人的大腦來工作，目的是使計算機擁有模擬、延伸和發展人類認知世界的能力。深度學習是實現人工智能的一個重要方法，它是一種以多層人工神經網絡為架構，對數據進行表征學習的方法，在過去幾十年的發展歷程中，針對不同的問題，各具特色的深度學習框架和算法不斷涌現，成就了如今的人工智能時代。本書的實驗內容涵蓋了圖像、語音、文本和視頻等人工智能技術廣泛應用的多個領域，涉及識別、分類、檢測、預測、跟蹤和三維重建等多類實驗任務； 人工智能實驗的基礎理論部分介紹了不同實驗所涉及的深度學習模型框架的理論、發展及功能； 實驗部分闡述了實驗背景、原理、操作步驟、數據、評估準則、所應用的平臺及系統環境等內容，讀者可在了解理論的基礎上根據實驗部分的描述獨立完成相關實驗，從理論到實踐來體會人工智能之美、人工智能之趣、人工智能之於社會生產生活的深刻影響。
本書的主要特點如下：
（1） 理論性、實踐性與創新性相結合。本書反映人工智能新發展、新知識、新技術、新方法的科研成果轉化為適合實驗教學的基礎實驗，內容和章節設計新穎，以使讀者懂理論、會應用、能創新為目標，涵蓋理論思想、實踐應用以及方向展望，既能幫助讀者夯實基礎理論，又能鍛煉基本算法實現技能，培養人工智能技術創新意識、創新能力和創新精神。
（2） 先進性與新穎性並舉。本書所選取的實驗既是人工智能技術發展中前沿、新穎的應用，也是與大眾日常生活密切相關的實際問題，如聊天機器人、語音識別、圖像修復等。其中一些實驗涉及比較有意趣的應用，如老照片上色、年齡判斷、語義生成風景圖、人物年齡判斷及情緒預測等； 還有一些實驗涉及複雜系統構建，如智能城市、安防領域中應用較多的目標檢測、視頻目標跟蹤等。
（3） 與理論教學相呼應。本書所選取的實驗涵蓋了深度神經網絡理論教學的基本內容，通過這些實驗能夠使讀者加深理解以及鞏固基本概念和理論，熟悉和掌握深度網絡的經典結構、訓練方法、優化方法等，為進一步學習人工智能理論課程打下堅實基礎。
（4） 注重趣味性，極具實操性。本書選擇使用活潑生動的描述方式代替生硬的專業表達來對實驗進行介紹，一方面有利於讀者對內容的理解，另一方面拉近作者與讀者的距離，希望給讀者以現場教學的感覺。與此同時，本書對選取的每一個實驗均進行了詳盡的介紹和分析，特別注重實驗過程的完整描述，讀者可以使用本書自行完成相關實驗，在此過程中提升人工智能實驗的能力。
（5） 具有開拓性、首創性。本書是對人工智能人才培養實驗教材建設及體系建設的探索。
（6） 符合人工智能發展的特質與人才培養的需求。本書的編寫著眼於產學研相結合的實驗體系建設，將教學科研成果轉化為實驗內容，將實驗模型原理、實際操作過程以及實際應用成果深度結合，旨在培養創新能力與應用技能相協調統一的人才。
（7） 研發相關實驗系統與平臺。團隊研發了涵蓋本書內容的人工智能實訓平臺，為讀者提供了實驗環境及教學資料。讀者可以使用該平臺進行完整實驗操作及相應環節。

本書的實驗內容安排採用了更為靈活的方式，無先後之分，每一章為一個獨立實驗，涵蓋從研究背景、理論原理到結果分析的完整表述，使用範圍和場景更廣泛，可以作為人工智能、智能科學與技術、人工智能與信息處理、機器人工程、模式識別與智能系統、人工智能技術服務、大數據采集與管理等專業的專科、本科及研究生選用及參考的實驗教材，也可以作為補充學習的工具書籍； 適宜全面、順序地閱讀或教學，也可根據實際所需進行選擇性使用； 讀者可以是有一定專業知識儲備的科研人員或從業者，也可以是人工智能的興趣愛好者及初識人工智能的學生。
全書內容及實驗體系由焦李成、孫其功、田小林、侯彪、李陽陽等策劃、設計和統稿，第1章內容由馬成聰慧、馮拓撰寫，第2章由胡冰楠、馮拓撰寫，第3章由王嘉榮、高艷潔撰寫，第4章由趙嘉璇、黃鐘健撰寫，第5章由遊超、李小雪撰寫，第6章由宋雪、楊靜怡撰寫，第7章由邵奕霖、高艷潔撰寫，第8章由郭志成、馮雨歆撰寫，第9章由李云、李小雪撰寫，第10章由李莉萍、施玲玲撰寫，第11章由聶世超、楊靜怡撰寫，第12章由尹淑婷、黃鐘健撰寫，第13章由耿雪莉、馮雨歆撰寫，第14章由張艷、楊育婷撰寫，第15章由於正洋、楊育婷撰寫，第16章由王燕、李英萍撰寫，第17章由武永發、施玲玲撰寫，第18章由楊雨佳、李英萍撰寫。在此特別感謝王丹、施玲玲、李秀芳、劉昕煜等老師和同學的幫助及辛勤勞動。
人工智能技術發展迅猛且涉及領域繁雜，而編者水平有限，本書中難免有不足之處，懇請各位專家及廣大讀者批評指正。
編者

2020年7月

第1章聊天機器人

1.1背景介紹

1.2算法原理

1.2.1數據預處理

1.2.2seq2seq模型原理

1.2.3網絡結構介紹

1.3實驗操作

1.3.1代碼介紹

1.3.2數據集介紹

1.3.3實驗操作及結果

1.4總結與展望

1.5參考文獻

第2章老照片上色

2.1背景介紹

2.2算法原理

2.2.1實驗訓練部分

2.2.2實驗測試部分

2.2.3網絡結構介紹

2.3實驗操作

2.3.1代碼介紹

2.3.2數據集介紹

2.3.3實驗操作及結果

2.4總結與展望

2.5參考文獻

第3章圖像修復

3.1背景介紹

3.2算法原理

3.2.1基礎知識介紹

3.2.2邊緣生成網絡

3.2.3圖像補全網絡

3.2.4網絡結構介紹

3.3實驗操作

3.3.1代碼介紹

3.3.2數據集介紹

3.3.3實驗操作及結果

3.4總結與展望

3.5參考文獻

第4章語義圖生成風景圖

4.1背景介紹

4.2算法原理

4.2.1GAN模型原理

4.2.2pix2pix網絡模型原理

4.2.3網絡結構介紹

4.3實驗操作

4.3.1代碼介紹

4.3.2數據集介紹

4.3.3實驗操作及結果

4.4總結與展望

4.5參考文獻

第5章文本轉圖像實驗

5.1背景介紹

5.2算法原理

5.2.1詞向量

5.2.2雙向長短時記憶網絡

5.2.3注意力機制

5.2.4網絡結構介紹

5.3實驗操作

5.3.1代碼介紹

5.3.2數據集介紹

5.3.3實驗操作及結果

5.4總結與展望

5.5參考文獻

第6章2D實時多人姿態估計

6.1背景介紹

6.2算法原理

6.2.1同時檢測和關聯網絡

6.2.2關節檢測的置信圖算法

6.2.3關節關聯的部分親和力字段算法

6.2.4使用PAFs的多人解析算法

6.2.5網絡結構介紹

6.3實驗操作

6.3.1代碼介紹

6.3.2數據集介紹

6.3.3實驗操作及結果

6.4總結與展望

6.5參考文獻

第7章圖像分割

7.1背景介紹

7.2算法原理

7.2.1殘差網絡

7.2.2區域候選網絡

7.2.3感興趣區域校準

7.2.4分類、回歸與分割

7.2.5網絡結構介紹

7.3實驗操作

7.3.1代碼介紹

7.3.2數據集介紹

7.3.3實驗操作及結果

7.4總結與展望

7.5參考文獻

第8章圖像超分辨率

8.1背景介紹

8.2算法原理

8.2.1預處理

8.2.2特徵提取

8.2.3非線性映射

8.2.4圖像重建

8.2.5網絡結構介紹

8.3實驗操作

8.3.1代碼介紹

8.3.2數據集介紹

8.3.3實驗操作及結果

8.4總結與展望

8.5參考文獻

第9章視頻目標跟蹤

9.1背景介紹

9.2算法原理

9.2.1基礎知識

9.2.2SiamRPN模型介紹

9.2.3SiamRPN 網絡結構

9.3實驗操作

9.3.1代碼介紹

9.3.2數據集介紹

9.3.3實驗操作及結果

9.4總結與展望

9.5參考文獻

第10章人物年齡性別及情緒預測

10.1背景介紹

10.2算法原理

10.2.1Xception模型介紹

10.2.2Softmax分類器

10.2.3網絡結構介紹

10.3實驗操作

10.3.1代碼介紹

10.3.2數據集介紹

10.3.3實驗操作及結果

10.4總結與展望

10.5參考文獻

第11章人臉老化與退齡預測

11.1背景介紹

11.2算法原理

11.2.1相關概念介紹

11.2.2算法流程簡介

11.2.3網絡結構介紹

11.3實驗操作

11.3.1代碼介紹

11.3.2數據集介紹

11.3.3實驗操作及結果

11.4總結與展望

11.5參考文獻

第12章目標檢測

12.1背景介紹

12.2算法原理

12.2.1提取區域建議

12.2.2RoI池化層

12.2.3網絡結構介紹

12.3實驗操作

12.3.1代碼介紹

12.3.2數據集介紹

12.3.3實驗操作及結果

12.4總結與展望

12.5參考文獻

第13章眼部圖像語義分割

13.1背景介紹

13.2算法原理

13.2.1數據預處理

13.2.2下采樣模塊

13.2.3上采樣模塊

13.2.4損失函數

13.2.5網絡結構介紹

13.3實驗操作

13.3.1代碼介紹

13.3.2數據集介紹

13.3.3實驗操作及結果

13.4總結與展望

13.5參考文獻

第14章語音識別

14.1背景介紹

14.2算法原理

14.2.1語音信號預處理

14.2.2語音信號特徵提取

14.2.3語音文本輸出

14.2.4雙向循環神經網絡

14.2.5Softmax分類器

14.2.6網絡結構介紹

14.3實驗操作

14.3.1代碼介紹

14.3.2數據集介紹

14.3.3實驗操作及結果

14.4總結與展望

14.5參考文獻

第15章AI對對聯

15.1背景介紹

15.2算法原理

15.2.1自然語言處理概述

15.2.2遞歸神經網絡

15.2.3網絡結構介紹

15.3實驗操作

15.3.1代碼介紹

15.3.2數據集介紹

15.3.3實驗操作及結果

15.4總結與展望

15.5參考文獻

第16章手寫體風格轉化

16.1背景介紹

16.2算法原理

16.2.1RNN預測網絡

16.2.2網絡結構介紹

16.3實驗操作

16.3.1代碼介紹

16.3.2數據集介紹

16.3.3實驗操作及結果

16.4總結與展望

16.5參考文獻

第17章圖像風格化

17.1背景介紹

17.2算法原理

17.2.1損失函數的定義

17.2.2風格遷移網絡

17.2.3風格預測網絡

17.2.4網絡結構介紹

17.3實驗操作

17.3.1代碼介紹

17.3.2數據集介紹

17.3.3實驗操作及結果

17.4總結與展望

17.5參考文獻

第18章三維人臉重建

18.1背景介紹

18.2算法原理

18.2.1人臉檢測及數據預處理

18.2.2人臉姿態、形狀、表情網絡

18.2.3數據後處理

18.2.4網絡結構介紹

18.3實驗操作

18.3.1代碼介紹

18.3.2數據集介紹

18.3.3實驗操作及結果

18.4總結與展望

18.5參考文獻