"系统讲解深度学习时代下计算机视觉的基础理论、关键方法及主流应用。全书分为四部分，由 11 章组成，内容包括： 自然场景文本检测，行人检测，目标跟踪，目标定位，风格迁移，图像/视频生成，文本到图像/视频生成，视觉内容生成的典型应用，深度估计，光流估计，姿态估计。书中对各应用方向均进行了深入的阐述，讲解真实应用场景下的处理方法，并给出具体案例的设计和实现。

可以作为人工智能、计算机、电子信息相关专业本科和研究生的专业课教材，也可以作为人工智能、电子信息、机器人、数字媒体等相关领域从业人员的自学参考书。

"