计算机视觉实战：基于TensorFlow 2

封面

版权页

译者序

前言

读者对象

本书内容

如何阅读本书

本书约定

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