本书凝练了西南交通大学电气工程学院关于人工智能大量的研究工作，通过对热点AI项目复现，轨道交通实际项目等课程，让学生更好地感受神经网络的特性，了解卷积层、全连接层以及各类激活函的特点等原本很抽象、较难理解的思想和概念。本书内容主要划分为以下五个部分：第一部分包含第一章和第二章，对深度学习背景及基础进行介绍，主要包括深度学习常见领域、通用优化方法以及相关软件工具、环境配置。第二部分包含第三章，主要对典型深度学习网络进行介绍。第三部分包含第四、第五、第六、第七章，主要是对热门AI项目进行复现的实训教程。第四部分包含第八、第九、第十章，主要介绍了近些年电气工程学院典型研究成果。第五部分包含第十一章、第十二章，旨在介绍轨道交通智能化过程中实际问题，引导学生利用所学知识开展面轨道交通智能化项目实战。

第一部分 深度学习基础、环境配置介绍
1 深度学习背景及基础知识
1．1 深度学习相关应用领域
1．2 深度学习种类
1．3 基于深度学习的优化方法
1．4 深度学习常用软件工具及平台
1．5 深度学习相关加速技术
1．6 其他技术研究
2 深度学习环境配置
2．1 CUDA及CUDNN安装
2．2 版本选择
2．3 Tensorflow-gpu安装
2．4 Pytorch-gpu安装
第二部分 深度学习网络介绍
3 典型深度学习网络介绍
3．1 DenSeNet
3．2 VGG Net
3．3 ResNet
3．4 GoogLeNet
3．5 Xception
3．6 EfficientNet
第三部分 热门AI项目复现
4 项目一 基于神经网络的气温预测
4．1 前期准备
4．2 原理介绍
4．3 实训流程
4．4 总结展望
5 项目二 基于DeeplabV3的语义分割
5．1 前期准备
5．2 原理介绍
5．3 实训流程
5．4 总结展望
6 项目三 基于YOLOv3的口罩佩戴检测
6．1 前期准备
6．2 原理介绍
6．3 实训流程
6．4 总结展望
7 项目四 基于faceNet的人脸识别
7．1 前期准备
7．2 原理介绍
7．3 实训流程
7．4 总结展望
第四部分 轨道交通智能化典型工程案例
8 工程应用一 弓网燃弧检测
8．1 项目背景以及目标
8．2 数据采集及预处理
8．3 弓网燃弧检测算法总体设计
8．4 网络训练、测试与验证
8．5 总结与展望
8．6 附录
9 工程应用二牵引变电所异物入侵检测
9．1 项目背景及目标
9．2 项目数据采集及预处理
9．3 牵引变电所异物入侵检测算法设计
9．4 网络训练与测试
9．5 总结与展望
9．6 附录
10 工程应用三 运达地铁列车3600外观检测
10．1 螺栓松动检测
……
第五部分 轨道交通智能化实战项目
参考文献