幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

電腦視覺實戰(基於TensorFlow2)/智能系統與技術叢書

  • 作者：(法)本傑明·普朗什//艾略特·安德烈斯|責編:王春華//李忠明|譯者:閆龍川//李君婷//高德荃
  • 出版社：機械工業
  • ISBN：9787111688471
  • 出版日期：2021/08/01
  • 裝幀：平裝
  • 頁數：237
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    電腦視覺解決方案日益普及，在醫療、汽車、社交媒體和機器人等領域取得了不錯的進展。本書將幫助你了解全新版本的谷歌機器學習開源框架TensorFlow 2，你將掌握如何使用卷積神經網路（CNN）完成視覺任務。
    本書從電腦視覺和深度學習基礎知識開始，教你如何從頭開始構建神經網路。你將掌握一些讓TensorFlow成為廣泛使用的AI庫的特性，以及直觀的Keras介面，繼而高效地構建、訓I練和部署CNN。通過具體的代碼示例，本書展示了如何使用Inception和ResNet等現代神經網路分類圖像，以及如何使用YOLO、Mask R-CNN和U-Net提取特定內容。本書還將介紹如何構建生成式對抗網路（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習、數據增強、域適應，以及移動設備和Web部署等高級知識以及其他關鍵概念。
    通過閱讀本書，你將獲得使用TensorFlow 2解決高級電腦視覺問題的理論知識和實際技能。
作者介紹
(法)本傑明·普朗什//艾略特·安德烈斯|責編:王春華//李忠明|譯者:閆龍川//李君婷//高德荃
目錄
譯者序
前言
作者簡介
譯者簡介
審校者簡介
第一部分  TensorFlow 2和應用於電腦視覺的深度學習
  第1章  電腦視覺和神經網路
    1.1  技術要求
    1.2  廣義電腦視覺
      1.2.1  電腦視覺概述
      1.2.2  主要任務及其應用
    1.3  電腦視覺簡史
      1.3.1  邁出成功的第一步
      1.3.2  深度學習的興起
    1.4  開始學習神經網路
      1.4.1  建立神經網路
      1.4.2  訓練神經網路
    1.5  本章小結
    問題
    進一步閱讀
  第2章  TensorFlow基礎和模型訓練
    2.1  技術要求
    2.2  TensorFlow 2和Keras入門
      2.2.1  TensorFlow
      2.2.2  基於Keras的簡單電腦視覺模型
    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生態系統
      2.4.1  TensorBoard
      2.4.2  TensorFlow插件和擴展
      2.4.3  TensorFlow Lite和TensorFlow.js
      2.4.4  在何處運行模型
    2.5  本章小結
    問題
  第3章  現代神經網路
    3.1  技術要求
    3.2  卷積神經網路
      3.2.1  用於多維數據的神經網路
      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  訓練過程微調
      3.3.1  現代網路優化器
      3.3.2  正則化方法
    3.4  本章小結
    問題
    進一步閱讀
第二部分  先進的經典識別問題解決方案
  第4章  主流分類工具

    4.1  技術要求
    4.2  了解高級CNN架構
      4.2.1  VGG：CNN的標準架構
      4.2.2  GoogLeNet和Inception模塊
      4.2.3  ResNet：殘差網路
    4.3  利用遷移學習
      4.3.1  概述
      4.3.2  基於TensorFlow和Keras的遷移學習
    4.4  本章小結
    問題
    進一步閱讀
  第5章  目標檢測模型
    5.1  技術要求
    5.2  目標檢測介紹
      5.2.1  背景
      5.2.2  模型的性能評價
    5.3  YOLO：快速目標檢測演算法
      5.3.1  YOLO介紹
      5.3.2  使用YOLO推理
      5.3.3  訓練YOLO
    5.4  Faster R-CNN：強大的目標檢測模型
      5.4.1  Faster R-CNN通用架構
      5.4.2  訓練Faster R-CNN
      5.4.3  TensorFlow目標檢測API
    5.5  本章小結
    問題
    進一步閱讀
  第6章  圖像增強和分割
    6.1  技術要求
    6.2  使用編碼器-解碼器進行圖像變換
      6.2.1  編碼器-解碼器概述
      6.2.2  基本示例：圖像去噪
      6.2.3  卷積編碼器-解碼器
    6.3  理解語義分割
      6.3.1  使用編碼器-解碼器進行目標分割
      6.3.2  比較困難的實例分割
    6.4  本章小結
    問題
    進一步閱讀
第三部分  高級概念和電腦視覺新進展
  第7章  在複雜和稀缺數據集上訓練
    7.1  技術要求
    7.2  高效數據服務
      7.2.1  TensorFlow數據API
      7.2.2  設置輸入流水線
      7.2.3  優化和監控輸入流水線
    7.3  如何處理稀缺數據
      7.3.1  增強數據集
      7.3.2  渲染合成數據集
      7.3.3  利用域適應和生成模型（VAE和GAN）

    7.4  本章小結
    問題
    進一步閱讀
  第8章  視頻和循環神經網路
    8.1  技術要求
    8.2  RNN簡介
      8.2.1  基本形式
      8.2.2  對RNN的基本理解
      8.2.3  學習RNN權重
      8.2.4  長短期記憶單元
    8.3  視頻分類
      8.3.1  電腦視覺應用於視頻
      8.3.2  使用LSTM分類視頻
    8.4  本章小結
    問題
    進一步閱讀
  第9章  優化模型並在移動設備上部署
    9.1  技術要求
    9.2  優化計算和佔用的磁碟空間
      9.2.1  測量推理速度
      9.2.2  提高模型推理速度
      9.2.3  當模型依舊很慢時
      9.2.4  減小模型大小
    9.3  基於終端設備的機器學習
      9.3.1  考慮因素
      9.3.2  實踐
    9.4  app示例：識別面部表情
      9.4.1  MobileNet簡介
      9.4.2  在終端設備上部署模型
    9.5  本章小結
    問題
附錄
參考文獻
問題答案

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032