本書專注討論深度學(xué)習(xí)中應(yīng)用非常廣泛的模型——卷積神經(jīng)網(wǎng)絡(luò)，該模型特別適用于圖像分類和識(shí)別、目標(biāo)分割和檢測(cè)以及人工智能游戲方面，受眾對(duì)象包括計(jì)算機(jī)、自動(dòng)化、信號(hào)處理、機(jī)電工程、應(yīng)用數(shù)學(xué)等相關(guān)專業(yè)的研究生、教師以及算法工程師和科研工作者。本書的最大特色是對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行由淺入深的分類描述，依次包括：現(xiàn)代雛形、突破模型、應(yīng)變模型、加深模型、跨連模型、區(qū)域模型、分割模型、特殊模型、強(qiáng)化模型和頂尖成就。這種分類框架是在模型概述和預(yù)備知識(shí)的基礎(chǔ)上逐步展開的，既方便讀者入門學(xué)習(xí)，又有助于讀者深入鉆研。