計算機視覺實戰(zhàn)：基于TensorFlow 2

定　價：￥89.00

作　者：	（法）本杰明·普朗什（Benjamin Planche）,（法）艾略特安德烈斯（Eliot Andres）
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111688471	出版時間：	2021-08-01	包裝：
開本：	16開	頁數(shù)：	237	字數(shù)：

內(nèi)容簡介

　　計算機視覺解決方案日益普及，在醫(yī)療、汽車、社交媒體和機器人等領(lǐng)域取得了不錯的進展。《計算機視覺實戰(zhàn)：基于TensorFlow 2》將幫助你了解全新版本的谷歌機器學(xué)習(xí)開源框架TensorFlow 2，你將掌握如何使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）完成視覺任務(wù)?！队嬎銠C視覺實戰(zhàn)：基于TensorFlow 2》從計算機視覺和深度學(xué)習(xí)基礎(chǔ)知識開始，教你如何從頭開始構(gòu)建神經(jīng)網(wǎng)絡(luò)。你將掌握一些讓TensorFlow成為廣泛使用的Al庫的特性，以及直觀的Keras接口，繼而高效地構(gòu)建、訓(xùn)練和部署CNN。通過具體的代碼示例，《計算機視覺實戰(zhàn)：基于TensorFlow 2》展示了如何使用Inception和ResNet等現(xiàn)代神經(jīng)網(wǎng)絡(luò)分類圖像，以及如何使用YOLO、MaskR-CNN和U-Net提取特定內(nèi)容?！队嬎銠C視覺實戰(zhàn)：基于TensorFlow 2》還將介紹如何構(gòu)建生成式對抗網(wǎng)絡(luò)（GAN）和變分自編碼器（VAE）來生成和編輯圖像，以及如何使用LSTM分析視頻。在此過程中，你將深入了解遷移學(xué)習(xí)、數(shù)據(jù)增強、域適應(yīng)，以及移動設(shè)備和Web部署等高級知識以及其他關(guān)鍵概念。通過閱讀《計算機視覺實戰(zhàn)：基于TensorFlow 2》，你將獲得使用TensorFlow 2解決高級計算機視覺問題的理論知識和實際技能。通過閱讀《計算機視覺實戰(zhàn)：基于TensorFlow 2》，你將學(xué)到：如何從頭開始創(chuàng)建神經(jīng)網(wǎng)絡(luò)。如何使用包括Inception和ResNet在內(nèi)的現(xiàn)代神經(jīng)網(wǎng)絡(luò)架構(gòu)進行圖像分類。如何使用YOLO、MaskR-CNN和U-Net檢測、分割圖像中的目標(biāo)。如何解決自動駕駛汽車開發(fā)和面部表情識別系統(tǒng)中的問題。如何使用遷移學(xué)習(xí)、GAN和域適應(yīng)提升應(yīng)用的性能。如何使用循環(huán)神經(jīng)網(wǎng)絡(luò)進行視頻分析。如何在移動設(shè)備和瀏覽器上優(yōu)化和部署神經(jīng)網(wǎng)絡(luò)。

作者簡介

　　本杰明·普朗什（Benjamin Planche），他在計算機視覺和深度學(xué)習(xí)領(lǐng)域的全球多個研究實驗室（法國LIRIS、日本三菱電機和德國西門子）工作超過5年。他的研究重點是針對工業(yè)應(yīng)用使用更少的數(shù)據(jù)開發(fā)更智能的視覺系統(tǒng)。他還在在線平臺（例如StackOverflow）上分享自己的知識和經(jīng)驗，或者創(chuàng)建有美感的演示系統(tǒng)。艾略特·安德烈斯（Eliot Andres），深度學(xué)習(xí)和計算機視覺工程師。他在該領(lǐng)域擁有3年以上的經(jīng)驗，涉及銀行、醫(yī)療、社交媒體和視頻流等行業(yè)。他關(guān)注的是工業(yè)化，即通過將新技術(shù)應(yīng)用于商業(yè)問題來實現(xiàn)價值。閆龍川，博士，國家電網(wǎng)有限公司信息通信分公司高級工程師，主要從事電力信息通信系統(tǒng)運行管理工作，研究興趣包括深度學(xué)習(xí)、強化學(xué)習(xí)、自然語言處理、云計算及數(shù)據(jù)中心管理等。李君婷，碩士，國家電網(wǎng)有限公司大數(shù)據(jù)中心高級工程師，主要從事電力大數(shù)據(jù)分析應(yīng)用、價值挖掘工作，研究興趣包括金融科技、深度學(xué)習(xí)、顛覆性創(chuàng)新等。高德荃，博士，國家電網(wǎng)有限公司信息通信分公司高級工程師，主要從事電力信息通信系統(tǒng)運行分析工作，研究興趣包括機器學(xué)習(xí)與數(shù)據(jù)科學(xué)、地理空間分析等。

圖書目錄

譯者序
前言
作者簡介
審校者簡介
第一部分 TensorFlow 2和應(yīng)用于計算機視覺的深度學(xué)習(xí)
第1章計算機視覺和神經(jīng)網(wǎng)絡(luò)
1．1 技術(shù)要求
1．2 廣義計算機視覺
1．2．1 計算機視覺概述
1．2．2 主要任務(wù)及其應(yīng)用
1．3 計算機視覺簡史
1．3．1 邁出成功的第一步
1．3．2 深度學(xué)習(xí)的興起
1．4 開始學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
1．4．1 建立神經(jīng)網(wǎng)絡(luò)
1．4．2 訓(xùn)練神經(jīng)網(wǎng)絡(luò)
1．5 本章小結(jié)
問題
進一步閱讀
第2章 TensorFlow基礎(chǔ)和模型訓(xùn)練
2．1 技術(shù)要求
2．2 TensorFlow 2和Keras入門
2．2．1 TensorFlow
2．2．2 基于Keras的簡單計算機視覺模型
2．3 TensorFlow 2和Keras詳述
2．3．1 核心概念
2．3．2 高級概念
2．4 TensorFlow生態(tài)系統(tǒng)
2．4．1 TensorBoard
2．4．2 TensorFlow插件和擴展
2．4．3 TensorFlowLite和TensorFlow．js
2．4．4 在何處運行模型
2．5 本章小結(jié)
問題
第3章現(xiàn)代神經(jīng)網(wǎng)絡(luò)
3．1 技術(shù)要求
3．2 卷積神經(jīng)網(wǎng)絡(luò)
3．2．1 用于多維數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)
3．2．2 CNN操作
3．2．3 有效感受野
3．2．4 在TensorFlow中使用CNN
3．3 訓(xùn)練過程微調(diào)
3．3．1 現(xiàn)代網(wǎng)絡(luò)優(yōu)化器
3．3．2 正則化方法
3．4 本章小結(jié)
問題
進一步閱讀
第二部分先進的經(jīng)典識別問題解決方案
第4章主流分類工具
4．1 技術(shù)要求
4．2 了解高級CNN架構(gòu)
4．2．1 VGG：CNN的標(biāo)準(zhǔn)架構(gòu)
4．2．2 GoogLeNet和Inception模塊
4．2．3 ResNet：殘差網(wǎng)絡(luò)
4．3 利用遷移學(xué)習(xí)
4．3．1 概述
4．3．2 基于TensorFlow和Keras的遷移學(xué)習(xí)
4．4 本章小結(jié)
問題
進一步閱讀
第5章目標(biāo)檢測模型
5．1 技術(shù)要求
5．2 目標(biāo)檢測介紹
5．2．1 背景
5．2．2 模型的性能評價
5．3 YOLO：快速目標(biāo)檢測算法
5．3．1 YOLO介紹
5．3．2 使用YOLO推理
……
第三部分高級概念和計算機視覺新進展
附錄
參考文獻
問題答案