本书主要介绍作者近年来在深度学习与图像处理等方面的研究成果，包括图像去模糊、视频信息缺失补全、图像分类识别、图像领域自适应、多源跨域图像迁移学习相关理论和方法，用到的模型主要包括多尺度编解码深度卷积神经网络、多尺度特征金字塔网络、双判别器生成对抗网络、渐进增长生成对抗网络、贝叶斯正则化深度卷积神经网络、深度对抗域自适应网络、深度加权子域自适应网络等。
本书可作为模式识别与智能系统专业研究生的教学参考书，同时对从事深度学习及图像处理技术研究、开发和应用的科技人员也具有一定的参考价值。

“信息科学技术学术著作丛书”序
前言
第1章 图像去模糊方法
1.1 多尺度编解码深度卷积神经网络图像去模糊
1.1.1 图像特征提取模块
1.1.2 网络结构模型
1.1.3 实验与分析
1.2 多尺度特征金字塔网络图像去模糊
1.2.1 特征金字塔网络原理
1.2.2 网络结构模型
1.2.3 实验与分析
1.3 本章小结
参考文献
第2章 视频信息缺失补全
2.1 基于双判别器生成对抗网络的视频单帧补全
2.1.1 网络模型
2.1.2 损失函数
2.1.3 实验与分析
2.2 基于渐进增长生成对抗网络的视频多帧补全
2.2.1 网络模型
2.2.2 实验与分析
2.3 本章小结
参考文献
第3章 图像分类识别
3.1 基于卷积神经网络的图像分类识别
3.1.1 卷积神经网络模型和结构设计
3.1.2 实验与分析
3.2 基于贝叶斯正则化深度卷积神经网络的图像分类
3.2.1 深度卷积神经网络的贝叶斯学习方法
3.2.2 实验与分析
3.3 本章小结
参考文献
第4章 图像领域自适应
4.1 基于深度对抗域自适应网络的图像识别
4.1.1 深度对抗域自适应网络
4.1.2 实验与分析
4.2 基于深度加权子域自适应网络的图像识别
4.2.1 深度加权子域自适应网络
4.2.2 实验与分析
4.3 基于自监督任务最优选择的无监督域自适应
4.3.1 无监督域自适应网络
4.3.2 实验与分析
4.4 本章小结
参考文献
第5章 多源跨域图像迁移学习
5.1 基于自监督任务的多源无监督域自适应
5.1.1 多源无监督域自适应网络
5.1.2 实验与分析
5.2 序贯式多源域自适应
5.2.1 序贯式多源域自适应方法
5.2.2 实验与分析
5.3 基于相似性度量的多源到多目标域适应
5.3.1 基于相似性度量的多源到多目标域适应方法
5.3.2 实验与分析
5.4 本章小结
参考文献