消息 首页 搜索 举报
  • 计算机视觉实战：基于TensorFlow2
  • 计算机视觉实战：基于TensorFlow2
21年品牌 40万+商家 超1.5亿件商品

计算机视觉实战：基于TensorFlow2

全新正版 极速发货

￥ 51.53 5.8折 ￥ 89 全新

库存4件

广东广州
认证卖家担保交易快速发货售后保障

作者[法]·普朗什(BenjaminPlanche),[法]艾略特·安德烈斯(EliotAndres)

出版社机械工业出版社

ISBN9787111688471

出版时间2021-08

装帧平装

开本16开

定价89元

货号1202458343

上书时间2024-06-01

书香美美
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介



目录
译者序<br/>前言<br/>作者简介<br/>审校者简介<br/>第一部分　TensorFlow 2和应用于<br/>计算机视觉的深度学习<br/>第1章　计算机视觉和神经网络2<br/>1.1　技术要求2<br/>1.2　广义计算机视觉3<br/>1.2.1　计算机视觉概述3<br/>1.2.2　主要任务及其应用3<br/>1.3　计算机视觉简史8<br/>1.3.1　迈出成功的第一步9<br/>1.3.2　深度学习的兴起12<br/>1.4　开始学习神经网络14<br/>1.4.1　建立神经网络15<br/>1.4.2　训练神经网络23<br/>1.5　本章小结30<br/>问题30<br/>进一步阅读30<br/>第2章　TensorFlow基础和模型训练31<br/>2.1?技术要求31<br/>2.2?TensorFlow 2和Keras入门31<br/>2.2.1　TensorFlow32<br/>2.2.2　基于Keras的简单计算机视觉模型33<br/>2.3?TensorFlow 2和Keras详述36<br/>2.3.1　核心概念36<br/>2.3.2　高级概念42<br/>2.4?TensorFlow生态系统46<br/>2.4.1　TensorBoard46<br/>2.4.2　TensorFlow插件和扩展47<br/>2.4.3　TensorFlow Lite和TensorFlow.js48<br/>2.4.4　在何处运行模型48<br/>2.5?本章小结49<br/>问题50<br/>第3章　现代神经网络51<br/>3.1　技术要求51<br/>3.2　卷积神经网络51<br/>3.2.1　用于多维数据的神经网络52<br/>3.2.2　CNN操作53<br/>3.2.3　有效感受野63<br/>3.2.4　在TensorFlow中使用CNN64<br/>3.3　训练过程微调67<br/>3.3.1　现代网络优化器67<br/>3.3.2　正则化方法71<br/>3.4　本章小结76<br/>问题76<br/>进一步阅读77<br/>第二部分　先进的经典识别<br/>问题解决方案<br/>第4章　主流分类工具80<br/>4.1  技术要求80<br/>4.2  了解高级CNN架构81<br/>4.2.1  VGG：CNN的标准架构81<br/>4.2.2  GoogLeNet 和Inception模块85<br/>4.2.3  ResNet：残差网络92<br/>4.3  利用迁移学习96<br/>4.3.1  概述96<br/>4.3.2  基于TensorFlow和Keras的迁移学习100<br/>4.4  本章小结102<br/>问题103<br/>进一步阅读103<br/>第5章　目标检测模型104<br/>5.1  技术要求104<br/>5.2  目标检测介绍104<br/>5.2.1　背景105<br/>5.2.2 　模型的性能评价106<br/>5.3  YOLO：快速目标检测算法108<br/>5.3.1　YOLO介绍109<br/>5.3.2　使用YOLO推理110<br/>5.3.3　训练YOLO117<br/>5.4  Faster R-CNN：强大的目标检测模型120<br/>5.4.1　Faster R-CNN通用架构120<br/>5.4.2　训练Faster R-CNN124<br/>5.4.3　TensorFlow目标检测API126<br/>5.5  本章小结127<br/>问题127<br/>进一步阅读127<br/>第6章　图像增强和分割128<br/>6.1  技术要求128<br/>6.2  使用编码器-解码器进行图像变换128<br/>6.2.1  编码器-解码器概述129<br/>6.2.2  基本示例：图像去噪132<br/>6.2.3  卷积编码器-解码器133<br/>6.3  理解语义分割140<br/>6.3.1  使用编码器-解码器进行目标分割140<br/>6.3.2  比较困难的实例分割145<br/>6.4  本章小结148<br/>问题148<br/>进一步阅读148<br/>第三部分　高级概念和计算机<br/>视觉新进展<br/>第7章　在复杂和稀缺数据集上训练150<br/>7.1  技术要求150<br/>7.2  高效数据服务151<br/>7.2.1  TensorFlow 数据API151<br/>7.2.2  设置输入流水线153<br/>7.2.3  优化和监控输入流水线158<br/>7.3  如何处理稀缺数据162<br/>7.3.1  增强数据集162<br/>7.3.2  渲染合成数据集166<br/>7.3.3  利用域适应和生成模型（VAE和GAN） 170<br/>7.4  本章小结179<br/>问题179<br/>进一步阅读179<br/>第8章　视频和循环神经网络181<br/>8.1  技术要求181<br/>8.2  RNN简介181<br/>8.2.1  基本形式182<br/>8.2.2  对RNN的基本理解183<br/>8.2.3  学习RNN权重184<br/>8.2.4  长短期记忆单元185<br/>8.3  视频分类188<br/>8.3.1  计算机视觉应用于视频188<br/>8.3.2  使用LSTM分类视频189<br/>8.4  本章小结194<br/>问题195<br/>进一步阅读195<br/>第9章　优化模型并在移动设备上部署196<br/>9.1  技术要求196<br/>9.2  优化计算和占用的磁盘空间197<br/>9.2.1  测量推理速度197<br/>9.2.2  提高模型推理速度199<br/>9.2.3  当模型依旧很慢时201<br/>9.2.4  减小模型大小202<br/>9.3  基于终端设备的机器学习203<br/>9.3.1  考虑因素203<br/>9.3.2  实践204<br/>9.4  app示例：识别面部表情206<br/>9.4.1  MobileNet简介207<br/>9.4.2  在终端设备上部署模型208<br/>9.5  本章小结216<br/>问题216<br/>附录217<br/>参考文献222<br/>问题答案231

内容摘要
本书探讨了谷歌机器学习开源框架的全新版本TensorFlow2，从计算机视觉和深度学习基础知识开始，介绍了如何从头开始构建神经网络，并将其用于计算机视觉任务，如图像分类、目标分割、视频分析等。展示了如何使用如Inception和ResNet等现代神经网络分类图像，使用YOLO、MaskR-CNN和U-Net提取特定内容，并辅以具体的代码示例。还介绍了迁移学习、数据增强、域适应等技术，以及如何在移动设备和网络浏览器中进行部署。<br>

主编推荐
计算机视觉解决方案日益普及，在医疗、汽车、社交媒体和机器人等领域取得了不错的进展。本书将帮助你了解全新版本的谷歌机器学习开源框架TensorFlow 2，你将掌握如何使用卷积神经网络（CNN）完成视觉任务。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。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部署等不错知识以及其他关键概念。通过阅读本书，你将获得使用TensorFlow 2解决不错计算机视觉问题的理论知识和实际技能。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP