随着人工智能技术的成熟，图像语义分割方法迎来了飞速发展的机会。语义分割是一种像素级的预测任务，基于全卷积神经网络（FCN）的分割方法，为了获得较高的分割精度，需耗费大量的计算资源。然而随着自动驾驶和移动终端需求的日益增长，在分割精度和分割速度之间进行平衡显得尤为重要，如何在计算力有限的设备上应用语义分割技术、减少计算量、提高运行速度更是成为当前研究的热点。鉴于此，本书以遥感领域作为应用场景，从视觉注意力机制和特征融合的角度，探索轻量级实时语义分割模型算法，在兼顾精度与速度的同时，实现快速准确的语义分割。本书主要研究内容如下。第一，对目前表现突出的卷积神经网络进行梳理。首先，分析卷积神经网络的基础结构及训练过程，阐述经典的卷积神经网络分类模型；其次，剖析语义分割算法中常见的分割网络结构特性，包括对称的编码 -解码结构，使用空洞卷积、深度可分离卷积、空洞空间金字塔池化（ASPP）等的扩张卷积核，轻量级语义分割法等，确立本书网络模型的设计思路，即采用编码 -解码结构，基于轻量级语义分割网络（ENet）来设计网络架构。第二，针对高分辨率遥感图像分割速度较慢，提出一种改进 ENet的实时语义分割模型 SE-ENet。该模型适当剪枝压缩 ENet网络结构，修改ENet网络中的瓶颈结构（Bottleneck）模块，下采样阶段交叉使用多种卷积核，实现各模块的轻量化，具备参数少、计算量低的特点，可实现快速图像分析处理；而融合至模型中的注意力机制，通过压缩和激励操作来重新标定特征通道的权重，增强有益特征权重，深度有序挖掘遥感数据集中的图像特征，保证语义分割的准确性。通过对 3种不同数据集的仿真分析表明，基于 ENet和注意力机制的语义分割网络模型能够较快地实现图像语义分割效果。第三，构建高分辨率遥感图像语义分割数据集，对数据集进行预处理、数据增强后，数据集扩充至 10万余张图像，为相关实验的训练与评估研究提供数据支撑。第四，基于特征融合策略对 SE-ENet模型进一步优化，将下采样模块间的特征图密集连接，生成优化后的网络模型 EFSE-ENet，通过融合浅层和高层的表征信息以获得准确精细的分割结果；实验时适当修改损失函数，增加小类别样本权重，调整学习率衰减方式以提升实验效果，并在DeepGlobe Road Extraction大型数据集上进一步验证模型的泛化能力，证明了其在保持一定精度的条件下可以达到实时分割的效果，兼具高效性。在本书撰写过程中，晋中学院计算机与信息工程系的领导和老师们给予了大力支持和帮助，在此表示衷心感谢！

针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”），从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。全书共十五章，系统地论述了遥感脑的理论基础、感知与解译应用及遥感脑系统。第一至第四章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的最新进展等；第五至第十二章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果；第十三至第十四章主要介绍作者团队研发的遥感脑系统；第十五章主要是展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。本书适应于涉及深度学习和图像处理类高年级本科生、研究生，以及广大科技工作者。

本书是一本由浅入深地介绍深度学习的理论原理及PyTorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识进行讲解，注重实践，详细地介绍了PyTorch的基本使用、神经网络的构建和训练技巧、卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书，读者不仅可以了解深度学习，而且可以轻松实现机器作诗、自动乐曲生成、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码，方便读者学习与实践。本书适用于对人工智能感兴趣的读者，也适合作为深度学习领域的入门教材。

暂缺简介...

本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。本书可作为各类职业院校大数据技术、云计算技术应用、人工智能技术应用等相关专业的教学用书，也可作为相关专业领域工程技术人员的参考用书。本书配有电子课件、源代码、微课视频（扫描二维码观看）等课程资源，选用本书作为授课教材的教师可以登录机械工业出版社教育服务网（www.cmpedu.com）注册后免费下载，也可联系编辑（010-88379807）咨询。

Web3是一场基于加密货币和DAO的革命。作为一种对Web3提供支撑的组织形式——DAO，是一种基于区块链的规则共享及以共同目的为中心的组织。这算是对DAO的一个简单的理解，详情后述。 本书不是纯经济学图书，也不是纯技术类图书，更不是一本用来自学的参考书或者预测未来的科幻小说，而是一本关于Web3和DAO的图书。Web3可以称为互联网的转折点，它的出现使得DAO成为可能。在本书里，我们一边梳理互联网的历史，一边对Web3和DAO的概念与本质进行归纳总结。你能阅读本书，说明你对Web3应该是感兴趣的。这对从事这个行业的作者来说是一件值得感谢和高兴的事情。本书适合想了解元宇宙和Web3的普通读者、想提前布局Web3的资本投资人、Web3相关的研究人员和从业人员阅读参考。

《深度学习与计算机视觉：核心算法与应用》理论结合实践，详细介绍机器学习与深度学习常用算法和模型及其在计算机视觉领域的典型应用。对于初学者而言，本书从零开始系统地介绍建模的流程和方法，可以带领他们快速上手；对于有一定基础的读者而言，《深度学习与计算机视觉：核心算法与应用》介绍多种算法和模型的原理，可以帮助他们深入理解并进行实践。 《深度学习与计算机视觉：核心算法与应用》共10章，分为3篇，每篇均从基本概念、模型与算法原理、代码实现三个方面讲解。第1篇“机器学习原理”，围绕机器学习流程，重点介绍特征处理、模型训练和模型评估等相关内容，包括数据集的划分和使用、数据探索和预处理、模型原理分析和选择、模型评估和应用等。第2篇“计算机视觉基础”，介绍计算机视觉的基本概念和处理流程，以及OpenCV的使用和图像特征提取等相关内容。第3篇“深度学习模型与计算机视觉应用”，首先介绍前馈神经网络和循环神经网络的结构，然后介绍深度学习的多种经典算法和14种常见模型，最后结合实例介绍图像分类、目标检测、语义分割、实例分割和目标追踪5类常见的计算机视觉应用。 《深度学习与计算机视觉：核心算法与应用》内容翔实，实例丰富，适合人工智能初学者尤其是计算机视觉初学者阅读，也适合有一定基础的机器学习、深度学习和计算机视觉从业人员阅读，另外还适合作为高等院校人工智能相关专业的教材。

本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikitlearn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学习、深度学习实践课的授课老师，学习过C语言，且希望进一步提高编程水平的开发者，刚从事机器学习、语音、机器视觉、智能机器人研发的算法工程师阅读。

本书介绍了人工智能技术的基础，包括智能的产生过程，从原始的机械“智能”到人脑、计算机“脑”、计算机思考方式等，而后讲解了计算机智能是如何发生的，从计算机如何获得知识，到计算机如何思考。后，以刷脸门禁系统和各种智能服务系统为例进行应用举例。 全书共分四单元：、第二单元以门禁为例介绍人工智能技术的基础知识，并在后一小节将刷脸门禁系统制作出来。第三、第四单元以各种实例来介绍人工智能技术在“智能服务”领域的应用。 本书适合作为小学中、高年级的教材或辅助资料，也可供小学科技教师参考。

随着智能时代的到来，人们越来越多的关注人工智能。人工智能为人类提供了多个领域的帮助并赋能社会。本书主题为人工智能与社会，学生通过在线社会、大数据与信息安全、智能生活和智能机器人等四个单元，了解人工智能在人们生活、学习和工作中带来的便利，了解人工智能社会的运作机制。 五年级的孩子具备了一定的学习能力和动手能力，他们可以利用在线网站、应用、小程序和一些硬件来实现对人工智能的体验，从而形成信息意识、计算思维和信息安全意识。