本书基于PyTorch深度学习框架，结合计算机视觉中的主流任务，介绍了深度学习相关算法的计算机视觉上的应用。 本书主要内容分为两部分。 第一部分为PyTorch框架使用的相关知识，以及计算机视觉和深度学习的入门知识。第二部分重点介绍深度学习在计算机视觉上的应用，包括：经典的深度卷积网络、深度注意力网络，以及基于自注意力的Transformer系列网络在图像分类中的应用；R-CNN系列、YOLO系列、SSD系列目标检测网络的算法思想及在目标检测中的应用；FCN、U-Net等全卷积网络在图像语义分割领域的应用；针对风格迁移任务，介绍了快速风格迁移、CycleGan等算法的实战应用；针对自编码器和扩散模型，介绍了相关算法在图像重构、去噪以及生成相关计算机视觉任务中的实战应用；最后介绍了迁移学习和域自适应的经典算法在跨域计算机视觉图像分类任务中的应用。 本书适合对计算机视觉、深度学习、人工智能、PyTorch使用感兴趣的初学者及研究人员自学使用，也可作为高等院校相关专业的教材及参考书。
书籍封面
图书特色
01 内容全面，循序渐进，从基础到实战
02 代码完整，注释详细，可读性强
03 语言简洁，示例丰富，便于理解
04 双色印刷，图文并茂，阅读体验好
05 配套资源随书附赠，方便边学边练
送书福利，抽奖方式
注意：奖品会通过邮寄的方式发放，中奖后请及时在抽奖助手填写收货人的相关信息，确保奖品的顺利领取。
