计算机视觉之深度学习：使用TensorFlow和Keras训练高级神经网络

封面

版权信息

作者简介

数字版权声明

版权声明

译者序

序

前言

第1章 入门

1.1 理解深度学习

1.2 计算机视觉深度学习

1.3 建立开发环境

1.4 小结

第2章 图像分类

2.1 在TensorFlow中训练MNIST模型

2.2 在Keras中训练MNIST模型

2.3 其他流行的图像测试数据集

2.4 更大的深度学习模型

2.5 训练猫与狗的模型

2.6 开发现实世界的应用

2.7 小结

第3章 图像检索

3.1 理解视觉特征

3.2 模型推断

3.3 基于内容的图像检索

3.4 小结

第4章 目标检测

4.1 检测图像中的目标

4.2 探索数据集

4.3 目标定位算法

4.4 检测目标

4.5 目标检测API

4.6 YOLO目标检测算法

4.7 小结

第5章 语义分割

5.1 预测像素

5.2 数据集

5.3 语义分割算法

5.4 超神经分割

5.5 分割卫星图像

5.6 分割实例

5.7 小结

第6章 相似性学习

6.1 相似性学习算法

6.2 人脸分析

6.3 小结

第7章 图像题注

7.1 了解问题和数据集

7.2 理解图像题注的自然语言处理

7.3 图像题注和相关问题的方法

7.4 实现基于注意力的图像题注

7.5 小结

第8章 生成模型

8.1 生成模型的应用

8.2 神经艺术风格迁移

8.3 生成对抗网络

8.4 视觉对话模型

8.5 小结

第9章 视频分类

9.1 了解视频和视频分类

9.2 将基于图像的方法扩展到视频

9.3 小结

第10章 部署

10.1 模型的性能

10.2 云部署

10.3 在设备中部署模型

10.4 小结

结语