序一
序二
序三
序四
前言
第1章OpenCV和深度學習 1
1.1　OpenCV處理流程 1
1.1.1　OpenCV庫 1
1.1.2　OpenCV深度學習應用的典型流程 3
1.2　機器學習的數學視角 5
1.2.1　機器學習和非機器學習 5
1.2.2　從人工神經網絡到深度學習 8
1.2.3　破除神秘——神經網絡是如何訓練的 11
1.3　OpenCV深度學習模塊 16
1.3.1　主要特性 16
1.3.2　OpenCV DNN圖像分類舉例（Python） 17
1.4　本章小結 19
第2章OpenCV深度學習模塊解析 20
2.1　深度學習模塊分層架構總覽 20
2.2　語言綁定和測試層 21
2.2.1　深度學習模塊的Python語言綁定 21
2.2.2　深度學習模塊的正確性測試和性能測試 23
2.3　API層 30
2.3.1Layer 30
2.3.2Net 32
2.3.3 35
2.4DNN 37
2.4.1 37
2.4.2　推理引擎數據對象管理 43
2.4.3　推理引擎重點層解釋 47
2.4.4　層的閤並優化 62
2.5　引擎加速層 66
2.5.1　深度學習模塊支持的運算目標設備 67
2.5.2　深度學習模塊支持的加速後端 68
2.5.3　加速方式的選擇 69
2.6　本章小結 70
第3章並行計算與GPU架構 71
3.1　並行計算淺談 71
3.2　Intel GPU架構及其在並行計算中的應用 74
3.2.1Intel GPU 74
3.2.2SIMD棗AOSSOA 82
3.2.3cl_intel_subgroupsIntel GPU 89
3.3 100
4基於Vulkan的加速實現 101
4.1　初識Vulkan 101
4.2　使用Vulkan加速 102
4.3　Vulkan後端加速過程解析 104
4.3.1　數據對象初始化 105
4.3.2　後端運算節點初始化 108
4.3.3　調用後端運算節點進行前嚮運算 111
4.3.4　Vulkan後端庫 113
4.4　本章小結 119
第5章基於OpenCL的加速實現 120
5.1　OpenCL簡介 120
5.2　如何使用OpenCL加速 125
5.3　OpenCL加速詳解 128
5.3.1　OpenCL API封裝 129
5.3.2　DNN模塊的捲積層實現詳解 132
5.3.3　ocl4dnn庫的捲積運算類詳解 134
5.3.4　捲積核函數auto-tuning機製解析 138
5.4　本章小結 143
第6章CPU及第三方庫加速的實現 144
6.1　原生CPU加速實現 144
6.1.1　基於多綫程技術的加速 147
6.1.2　基於並行指令的加速 153
6.2　Halide後端的實現 157
6.2.1　Halide介紹 158
6.2.2　如何啓用Halide 163
6.2.3　Halide後端的實現原理 165
6.3　Intel推理引擎後端的實現 171
6.3.1　Intel推理引擎介紹 171
6.3.2　如何啓用推理引擎後端 172
6.3.3　Intel推理引擎後端的實現原理 176
6.4　本章小結 185
第7章可視化工具與性能優化 186
7.1　Netscope：基於Web的Caffe網絡可視化工具 186
7.2　TensorBoard：助力TensorFlow程序的理解和調試 188
7.2.1　圖的可視化 188
7.2.2　數據的可視化 191
7.2.3　調試的可視化 197
7.3VTuneIntel 199
7.3.1 200
7.3.2Intel VTune 202
7.3.3VTune 211
7.4　程序優化流程總結和建議 213
7.5　本章小結 215
第8章支付級人臉識彆項目開發實戰 216
8.1　活體檢測的概念與方法 216
8.2　支付級人臉識彆項目流程 218
8.3　基於OpenCV的支付級人臉識彆項目具體實現 220
8.3.1　數據準備 222
8.3.2　活體檢測模型訓練 230
8.3.3　支付級人臉識彆係統實現 238
8.4　本章小結 244
第9章深度學習模塊不同場景下的應用實踐 245
9.1　圖像分類 245
9.1.1　圖像分類經典網絡結構 245
9.1.2　GoogLeNet 247
9.1.3　圖像分類程序源碼分析 249
9.1.4　圖像分類程序運行結果 255
9.2　目標檢測 256
9.2.1　SSD算法解析 256
9.2.2　目標檢測程序源碼分析 257
9.2.3　目標檢測程序運行結果 260
9.3　語義分割 261
9.3.1　FCN模型 262
9.3.2　語義分割程序源碼分析 263
9.3.3　語義分割程序運行結果 267
9.4　視覺風格變換 268
9.4.1　視覺風格變換模型 268
9.4.2　視覺風格變換程序源碼分析 269
9.4.3　視覺風格變換程序運行結果 271
9.5　本章小結 273
附錄AOpenCV的編譯安裝及patch開發流程 274
附錄Bintel_gpu_frequency工具的安裝和使用 280
· · · · · · (收起)