腾讯资深工程师AI书籍推荐！

1. 《计算机视觉:模型、学习和推理》

推荐人：冀永楠 （腾讯高级研究员）

推荐理由：本书是一本从机器学习视角讲解计算机视觉的非常好的教材。全书图文并茂、语言浅显易懂，算法描述由浅入深，即使是数学背景不强的学生也能轻松理解和掌握。作者展示了如何使用训练数据来学习观察到的图像数据和我们希望预测的现实世界现象之间的联系，以及如何如何研究这些联系来从新的图像数据中作出新的推理。本书要求少的前导知识，从介绍概率和模型的基础知识开始，接着给出让学生能够实现和修改来构建有用的视觉系统的实际示例。适合作为计算机视觉和机器学习的高年级本科生或研究生的教材，书中详细的方法演示和示例对于计算机视觉领域的专业人员也非常有用。

2. 《国外电子与通信教材系列:数字图像处理》

推荐人：范锦（腾讯高级开发工程师）

推荐理由：本书是关于数字图像处理的经典著作，作者在对32个国家的134所院校和研究所的教师、学生及自学者进行广泛调查的基础上编写了第三版。除保留第二版的大部分主要内容外，还根据收集的建议从13个方面进行了修订，新增了400多幅图像、200多个图表和80多道习题，同时融入了近年来本科学领域的重要发展，使本书具有鲜明的特色与时效性。全书共分12章，包括绪论、数字图像基础、灰度变换与空间滤波、频域滤波、图像复原与重建、彩色图像处理、小波及多分辨率处理、图像压缩、形态学图像处理、图像分割、表现与描述、目标识别。

3. 《深度学习与计算机视觉:算法原理、框架应用与代码实现》

推荐人：周吉成（腾讯高级工程师）

推荐理由：全书共13章，分为2篇。第1篇基础知识，介绍了人工智能发展里程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构，后对前沿的趋势进行了简单探讨。第2篇实例精讲，介绍了Python基础、OpneCV基础、简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。从第5章开始包含了很多有趣和实用的代码示例。从第7章开始的所有实例都基于当前流行的深度学习框架中的Caffe和MXNet。

4. 《深度学习(deep learning)》

推荐人：卓伟（腾讯高级开发工程师）

推荐理由：本书由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

5. 《卷积神经网络与视觉计算》

推荐人：陈琪（华图在线高级产品经理）

推荐理由：从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习系统。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。

以上书籍紧紧是AI领域的冰山一角，我们还需要在这条路径上持续探索发现，挖掘人工智能之光。