类似推荐
编辑推荐
本书从计算机视觉和深度学习基础知识开始，教你如何从头开始构建神经网络。
内容简介
你将掌握一些让TensorFlow成为广泛使用的AI库的特性，以及直观的Keras接口，继而高效地构建、训练和部署CNN。
通过具体的代码示例，本书展示了如何使用Inception和ResNet等现代神经网络分类图像，以及如何使用YOLO、Mask R-CNN和U-Net提取特定内容。
本书还将介绍如何构建生成式对抗网络（GAN）和变分自编码器（VAE）来生成和编辑图像，以及如何使用LSTM分析视频。
在此过程中，你将深入了解迁移学习、数据增强、域适应，以及移动设备和Web部署等高级知识以及其他关键概念。
通过阅读本书，你将获得使用TensorFlow 2解决高级计算机视觉问题的理论知识和实际技能。
通过阅读本书，你将学到：如何从头开始创建神经网络。如何使用包括Inception和ResNet在内的现代神经网络架构进行图像分类。如何使用YOLO、Mask R-CNN和U-Net检测、分割图像中的目标。如何解决自动驾驶汽车开发和面部表情识别系统中的问题。如何使用迁移学习、GAN和域适应提升应用的性能。如何使用循环神经网络进行视频分析。如何在移动设备和浏览器上优化和部署神经网络。
作者简介
作者本杰明·普朗什（Benjamin Planche），他在计算机视觉和深度学习领域的全球多个研究实验室（法国LIRIS、日本三菱电机和德国西门子）工作超过5年。
他的研究重点是针对工业应用使用更少的数据开发更智能的视觉系统。他还在在线平台（例如StackOverflow）上分享自己的知识和经验，或者创建有美感的演示系统。
章节目录
版权信息
译者序
前言
作者简介
译者简介
审校者简介
第一部分 TensorFlow 2和应用于计算机视觉的深度学习
第1章 计算机视觉和神经网络
1.1 技术要求
1.2 广义计算机视觉
1.3 计算机视觉简史
1.4 开始学习神经网络
1.5 本章小结
问题
进一步阅读
第2章 TensorFlow基础和模型训练
2.1 技术要求
2.2 TensorFlow 2和Keras入门
2.3 TensorFlow 2和Keras详述
2.4 TensorFlow生态系统
2.5 本章小结
问题
第3章 现代神经网络
3.1 技术要求
3.2 卷积神经网络
3.3 训练过程微调
3.4 本章小结
问题
进一步阅读
第二部分 先进的经典识别问题解决方案
第4章 主流分类工具
4.1 技术要求
4.2 了解高级CNN架构
4.3 利用迁移学习
4.4 本章小结
问题
进一步阅读
第5章 目标检测模型
5.1 技术要求
5.2 目标检测介绍
5.3 YOLO：快速目标检测算法
5.4 Faster R-CNN：强大的目标检测模型
5.5 本章小结
问题
进一步阅读
第6章 图像增强和分割
6.1 技术要求
6.2 使用编码器-解码器进行图像变换
6.3 理解语义分割
6.4 本章小结
问题
进一步阅读
第三部分 高级概念和计算机视觉新进展
第7章 在复杂和稀缺数据集上训练
7.1 技术要求
7.2 高效数据服务
7.3 如何处理稀缺数据
7.4 本章小结
问题
进一步阅读
第8章 视频和循环神经网络
8.1 技术要求
8.2 RNN简介
8.3 视频分类
8.4 本章小结
问题
进一步阅读
第9章 优化模型并在移动设备上部署
9.1 技术要求
9.2 优化计算和占用的磁盘空间
9.3 基于终端设备的机器学习
9.4 app示例：识别面部表情
9.5 本章小结
问题
附录
参考文献
问题答案
计算机视觉实战：基于TensorFlow2是2021年由机械工业出版社华章分社出版,作者[法] 本杰明·普朗什。
得书感谢您对《计算机视觉实战：基于TensorFlow2》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
