掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算機視覺實戰:基于TensorFlow 2 版權信息
- ISBN：9787111688471
- 條形碼：9787111688471 ; 978-7-111-68847-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
計算機視覺實戰:基于TensorFlow 2 本書特色
基于TensorFlow 2，全面闡釋為目標檢測、分割、視頻處理、智能手機應用程序等構建高性能系統的實用指南
計算機視覺實戰:基于TensorFlow 2 內容簡介
計算機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！ 队嬎銠C視覺實戰：基于TensorFlow 2》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絡（CNN）完成視覺任務。 《計算機視覺實戰：基于TensorFlow 2》從計算機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絡。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，繼而高效地構建、訓練和部署CNN。通過具體的代碼示例，《計算機視覺實戰：基于TensorFlow 2》展示了如何使用Inception和ResNet等現代神經網絡分類圖像，以及如何使用YOLO、MaskR-CNN和U-Net提取特定內容！队嬎銠C視覺實戰：基于TensorFlow 2》還將介紹如何構建生成式對抗網絡（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《計算機視覺實戰：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！ ⊥ㄟ^閱讀《計算機視覺實戰：基于TensorFlow 2》，你將學到： 如何從頭開始創建神經網絡！ ∪绾问褂冒↖nception和ResNet在內的現代神經網絡架構進行圖像分類！ ∪绾问褂肶OLO、MaskR-CNN和U-Net檢測、分割圖像中的目標！ ∪绾谓鉀Q自動駕駛汽車開發和面部表情識別系統中的問題！ ∪绾问褂眠w移學習、GAN和域適應提升應用的性能！ ∪绾问褂醚h神經網絡進行視頻分析！ ∪绾卧谝苿釉O備和瀏覽器上優化和部署神經網絡。
計算機視覺實戰:基于TensorFlow 2 目錄
譯者序
前言
作者簡介
審校者簡介
**部分 TensorFlow 2和應用于計算機視覺的深度學習
第1章 計算機視覺和神經網絡
1．1 技術要求
1．2 廣義計算機視覺
1．2．1 計算機視覺概述
1．2．2 主要任務及其應用
1．3 計算機視覺簡史
1．3．1 邁出成功的**步
1．3．2 深度學習的興起
1．4 開始學習神經網絡
1．4．1 建立神經網絡
1．4．2 訓練神經網絡
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生態系統
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
問題
第3章 現代神經網絡
3．1 技術要求
3．2 卷積神經網絡
3．2．1 用于多維數據的神經網絡
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 現代網絡優化器
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：殘差網絡
4．3 利用遷移學習
4．3．1 概述
4．3．2 基于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
前言
作者簡介
審校者簡介
**部分 TensorFlow 2和應用于計算機視覺的深度學習
第1章 計算機視覺和神經網絡
1．1 技術要求
1．2 廣義計算機視覺
1．2．1 計算機視覺概述
1．2．2 主要任務及其應用
1．3 計算機視覺簡史
1．3．1 邁出成功的**步
1．3．2 深度學習的興起
1．4 開始學習神經網絡
1．4．1 建立神經網絡
1．4．2 訓練神經網絡
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生態系統
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
問題
第3章 現代神經網絡
3．1 技術要求
3．2 卷積神經網絡
3．2．1 用于多維數據的神經網絡
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 現代網絡優化器
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：殘差網絡
4．3 利用遷移學習
4．3．1 概述
4．3．2 基于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
展開全部
計算機視覺實戰:基于TensorFlow 2 作者簡介
本杰明·普朗什（Benjamin Planche），他在計算機視覺和深度學習領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應用使用更少的數據開發更智能的視覺系統。他還在在線平臺（例如StackOverflow）上分享自己的知識和經驗，或者創建有美感的演示系統。 艾略特·安德烈斯（Eliot Andres），深度學習和計算機視覺工程師。他在該領域擁有3年以上的經驗，涉及銀行、醫療、社交媒體和視頻流等行業。他關注的是工業化，即通過將新技術應用于商業問題來實現價值。 閆龍川，博士，國家電網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運行管理工作，研究興趣包括深度學習、強化學習、自然語言處理、云計算及數據中心管理等！ ±罹，碩士，國家電網有限公司大數據中心高級工程師，主要從事電力大數據分析應用、價值挖掘工作，研究興趣包括金融科技、深度學習、顛覆性創新等！ 「叩萝，博士，國家電網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運行分析工作，研究興趣包括機器學習與數據科學、地理空間分析等。
書友推薦
- >
姑媽的寶刀
- >
隨園食單
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮與六便士
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
- >
【精裝繪本】畫給孩子的中國神話
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
