机器学习·深度学习图像识别从基础到案例实战

川岛贤，日本东北大学研究生院信息科学研究科应用信息学硕士，虹贤舍公司代表。 2004年从宫城大学事业构想学部毕业后，进入仙台的一家软件制作公司从事人工智能、多智能体平台的研究开发工作。期间开发了多智能体平台自动发现系统，并独自开发了心电图无线传输系统，其他也参与电子商务网站的开发工作。 2008年加入埃森哲公司。作为外包顾问，在日本业界最很好的业务现场工作。6年间，在海内外多中心、多国团队的项目管理，以及关键系统、库存生产管理、人力资源管理、客户管理等多个系统的管理、开发、维护和运营等方面积累了丰富经验。 2015年成立虹贤舍公司。 目前，他为多个技术领域的大量中小企业提供信息技术咨询服务，并从事信息系统、网络服务和智能手机应用程序的企划和开发工作。同时，他还作为中小企业、创业公司的技术顾问、顾问、编程教师和研讨会讲师等开展广泛工作。另外，他还运营一个技术博客，传播电子、loT、机器学习、深度学习等领域的知识。

第1部分 人工智能、机器学习、深度学习的基础知识

 第1章 人工智能、机器学习、深度学习的基础

 1.1 人工智能概述

 1.1.1 人工智能发展史

 1.1.2 人工智能简介

 1.1.3 机器学习

 1.1.4 人工神经网络

 1.1.5 深度学习

 1.1.6 受关注的原因

 1.2 机器学习概述

 1.2.1 机器学习简介

 1.2.2 机器学习的类型（分类）

 1.2.3 有监督学习

 1.2.4 无监督学习

 1.2.5 强化学习

 1.2.6 用于机器学习的数据

 1.2.7 机器学习（有监督学习）的流程

 1.3 深度学习概述

 1.3.1 视觉信息的重要性

 1.3.2 从生物学神经元到人工神经元

 1.3.3 感知器

 1.3.4 神经网络

 1.3.5 深度学习简介

 1.3.6 卷积神经网络的详细说明

 1.3.7 深度学习的框架

 1.3.8 机器学习和深度学习所需的数学

 第2章 Python及其关键的工具和软件库

 2.1 关于本书执行环境的概述

 2.1.1 Python的开发环境

 2.1.2 准备Python环境

 2.1.3 下载本书的示例代码

 2.2 使用Jupyter Notebook

 2.2.1 启动Jupyter Notebook

 2.2.2 Jupyter Notebook的基本操作

 2.2.3 制作Notebook

 2.2.4 创建新的Notebook

 2.2.5 添加笔记

 2.3 使用Colaboratory

 2.3.1 环境准备

 2.3.2 在Colaboratory Notebook中的操作

 2.3.3 导入本书的Notebook

 2.4 Python基础知识和语法

 2.4.1 Python的基础

 2.4.2 变量

 2.4.3 Python的类型

 2.4.4 条件分支

 2.4.5 函数

 2.4.6 导入

 第3章 NumPy和Matplotlib的用法

 3.1 如何使用NumPy

 3.2 如何使用Matplotlib

 3.2.1 制作一个简单的图表

 3.2.2 为图表的元素设置名称

 3.2.3 图表网格

 3.2.4 设置图表刻度

 3.2.5 图表尺寸

 3.2.6 散点图

 3.2.7 多个图表的网格显示

 3.2.8 三维散点图

 3.2.9 修改颜色和标识

第2部分 16个练习带你玩转机器学习

 第4章 机器学习、深度学习的实操练习（初级、中级）

 4.1 OpenCV图像处理基础知识

 4.1.1 OpenCV简介

 4.1.2 操作办法

 4.1.3 总结

 4.2 在Raspberry Pi中利用OpenCV进行人脸识别

 4.2.1 在Raspberry Pi中启用OpenCV

 4.2.2 操作办法

 4.2.3 总结

 4.3 Iris（鸢尾花）数据集分类法

 4.3.1 scikit-learn简介

 4.3.2 操作办法

 4.3.3 总结

 4.4 机器学习中基于scikit-learn的手写数字识别方法

 4.4.1 调查手写数字的图像数据的特征量

 4.4.2 操作办法

 4.4.3 总结

 4.5 Chainer+MNIST手写数字分类实验练习

 4.5.1 通过Colaboratory学习/训练，在Raspberry Pi中创建手写识别Web应用程序

 4.5.2 操作办法

 4.5.3 总结

 4.6 用Chainer建立狗猫识别网络应用程序

 4.6.1 准备数据

 4.6.2 操作办法

 4.6.3 总结

 4.7 基于PyTorch的MNIST手写数字学习

 4.7.1 PyTorch简介

 4.7.2 操作办法

 4.7.3 总结

 4.8 基于PyTorch的CIFAR-10图像学习

 4.8.1 CIFAR-10简介

 4.8.2 操作办法

 4.8.3 总结

 第5章 机器学习、深度学习的实操练习（中级、不错）

 5.1 TensorFlow+Keras+MNIST手写数字识别网络应用程序

 5.1.1 Keras简介

 5.1.2 操作办法

 5.1.3 总结

 5.2 TensorFlow+FashionMNIST的Fashion识别

 5.2.1 Fashion MNIST简介

 5.2.2 操作办法

 5.2.3 总结

 5.3 基于TensorFlow的花卉识别网络应用程序

 5.3.1 retrain（迁移学习）简介

 5.3.2 操作办法

 5.3.3 总结

 5.4 用TensorFlow识别塑料瓶和空罐

 5.4.1 收集数据

 5.4.2 操作办法

 5.4.3 总结

 5.5 用YOLO检测物体

 5.5.1 物体检测简介

 5.5.2 操作办法

 5.5.3 总结

 5.6 基于硬件扩展的人物检测

 5.6.1 Movidius NCS简介

 5.6.2 操作办法

 5.6.3 总结

 5.7 通过Google AIY Vision Kit进行微笑识别

 5.7.1 组装Google AIY Vision Kit

 5.7.2 操作办法

 5.7.3 总结

 5.8 利用人工智能Cloud API制作字幕

 5.8.1 利用云端的API进行分类、检测工作

 5.8.2 操作办法

 5.8.3 总结

第3部分 基于Python的面向对象编程和用Python建立Web服务器

 第6章 基于Python的面向对象编程

 6.1 面向对象编程概述

 6.1.1 为什么要进行面向对象编程

 6.1.2 对象

《机器学习·深度学习图像识别从基础到案例实战》一书用大量的图形图像，结合Python代码介绍了人工智能领域图像识别的相关知识。全书共3部分，其中第1部分介绍了基础知识及相关工具如Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法；第2部分主要借助TensorFlow、PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例，如Iris数据集分类、手写数字识别、人物检测等，助力提升读者实战水平；第3部分介绍了基于Python的面向对象编程知识和如何用Python建立Web服务器。本书浅显易懂，特别适合作为大中专院校相关专业的参考书，也适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。