计算机视觉实战:基于TensorFlow 2

译者序
前言
作者简介
审校者简介

**部分 TensorFlow 2和应用于计算机视觉的深度学习
第1章 计算机视觉和神经网络
1．1 技术要求
1．2 广义计算机视觉
1．2．1 计算机视觉概述
1．2．2 主要任务及其应用
1．3 计算机视觉简史
1．3．1 迈出成功的**步
1．3．2 深度学习的兴起
1．4 开始学习神经网络
1．4．1 建立神经网络
1．4．2 训练神经网络
1．5 本章小结
问题
进一步阅读
第2章 TensorFlow基础和模型训练
2．1 技术要求
2．2 TensorFlow 2和Keras入门
2．2．1 TensorFlow
2．2．2 基于Keras的简单计算机视觉模型
2．3 TensorFlow 2和Keras详述
2．3．1 核心概念
2．3．2 高级概念
2．4 TensorFlow生态系统
2．4．1 TensorBoard
2．4．2 TensorFlow插件和扩展
2．4．3 TensorFlowLite和TensorFlow．js
2．4．4 在何处运行模型
2．5 本章小结
问题
第3章 现代神经网络
3．1 技术要求
3．2 卷积神经网络
3．2．1 用于多维数据的神经网络
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 训练过程微调
3．3．1 现代网络优化器
3．3．2 正则化方法
3．4 本章小结
问题
进一步阅读

第二部分 先进的经典识别问题解决方案
第4章 主流分类工具
4．1 技术要求
4．2 了解高级CNN架构
4．2．1 VGG：CNN的标准架构
4．2．2 GoogLeNet和Inception模块
4．2．3 ResNet：残差网络
4．3 利用迁移学习
4．3．1 概述
4．3．2 基于TensorFlow和Keras的迁移学习
4．4 本章小结
问题
进一步阅读
第5章 目标检测模型
5．1 技术要求
5．2 目标检测介绍
5．2．1 背景
5．2．2 模型的性能评价
5．3 YOLO：快速目标检测算法
5．3．1 YOLO介绍
5．3．2 使用YOLO推理
……

第三部分 高级概念和计算机视觉新进展

附录
参考文献
问题答案