本書系統地描述了深度學習的基本理論算法及應用。全書共14章，第1~3章論述了數學基礎、機器學習基礎和深度學習基礎；第4~7章介紹了一些經典網絡及計算機視覺領域中常用的CNN、RNN、GAN等網絡結構技術；第8~9章介紹了深度學習在計算機視覺領域的目標檢測及圖像分割兩大應用；第10~14章介紹了計算機視覺領域主要的優化方法及思路等，包括遷移學習、網絡架構及訓練、網絡優化技巧、超參數調整及模型的壓縮和加速等。本書凝聚了眾多一線科研人員及工程師的經驗，旨在培養讀者發現問題、解決問題、擴展問題的能力。本書內容取材于編者在日常學習過程中總結的知識點及各大公司常見的筆試、面試題。本書可為高等院校計算機科學、信息科學、人工智能、控制科學與工程、電子科學與技術等領域的研究及教學人員提供參考，也可為相關專業本科生及研究生提供思考方向，還可為深度學習及計算機視覺領域的初、中級研究人員和工程技術人員提供參考，尤其適合需要查漏補缺的應聘者及提供相關崗位的面試官閱讀。