本书将人工智能与人类智慧深度融合，系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程，具有较高的学术价值；同时，本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用，具有较大的工程应用价值。
本书主要的读者群体为从事类脑智能、计算机视觉、无人系统研究的科研工作者，以及人工智能、电子信息、计算机工程等相关专业的博士研究生、硕士研究生。

赵小川，博士，高级工程师。科技部、北京市科委项目评审专家组成员。《Robotica》、《IEEE Transactions On Biomedical Engineering》等期刊的审稿人。主编了《MATLAB数字图像处理一一程序实现与模块化仿真》、《MATLAB数字图像处理一一能力提高与应用案例》、《MATLAB数字图像处理一一从仿真C／C++代码自动生成》等图书。

第1章 目标检测技术及其发展
1.1 数字图像处理与深度学习
1.1.1 数字图像处理的基础知识
1.1.2 深度学习的基础知识
1.2 目标检测技术及其评价指标
1.2.1 什么是目标检测技术
1.2.2 目标检测的评价指标
1.3 目标检测的研究进展
1.3.1 传统视觉目标检测的研究进展
1.3.2 基于深度学习的视觉目标检测研究进展
1.3.3 总结与展望
1.4 目标检测技术的难点
1.5 AI对抗攻击的内涵与研究状况
1.5.1 AI对抗攻击的内涵
1.5.2 AI对抗攻击的研究状况
第2章 大脑视觉皮层的机理分析
2.1 视觉系统的运行流程
2.2 眼球-视网膜-视神经工作机制
2.3 视觉皮层的工作机制
2.4 受视觉皮层启发的目标检测研究现状及思考
第3章 类脑智能目标检测网络的构建与优化
3.1 构建的总体思路
3.2 仿V1视觉皮层模块
3.3 视觉注意力模块
3.4 类脑智能目标检测深度网络框架
3.5 目标检测的网络模型压缩提速
3.5.1 模型剪枝技术
3.5.2 模型量化技术
第4章 类脑智能目标检测网络的性能评价
4.1 在公开数据集COCO2017上目标识别性能评估
4.1.1 COCO数据集简介
4.1.2 模型训练过程
4.1.3 性能对比分析
4.2 在自建数据集上性能评估
4.3 存在AI对抗攻击时的目标检测效能
4.3.1 AI对抗攻击图案
4.3.2 AI对抗攻击下的目标检测效果分析
第5章 在无人驾驶车辆上的应用验证
5.1 无人驾驶车辆的发展与分析
5.1.1 无人驾驶车辆的发展
5.1.2 无人驾驶车辆在视觉感知方面的瓶颈
5.2 面向复杂城市环境的数据集构建
5.2.1 数据集概述
5.2.2 数据集详细情况
5.3 面向干扰环境无人车交通标志识别
5.3.1 应用验证系统简介
5.3.2 应用验证场景介绍
5.3.3 应用验证效果及对比分析
5.4 基于视觉目标检测的车臂协同开门
5.4.1 应用验证系统简介
5.4.2 系统验证场景介绍及验证效果对比分析
第6章 类脑目标检测系统的综合评价
6.1 构建综合评价模型的总体思路
6.2 综合评价的具体实现过程
6.3 指标评测方法与流程
总结与展望
参考文献