計算機視覺實戰(zhàn)：基于TensorFlow 2

　　計算機視覺解決方案日益普及，在醫(yī)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(zhàn)：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(jīng)網(wǎng)絡（CNN）完成視覺任務?！队嬎銠C視覺實戰(zhàn)：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(jīng)網(wǎng)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(zhàn)：基于TensorFlow 2》展示了如何使用Inception和ResNet等現(xiàn)代神經(jīng)網(wǎng)絡分類圖像，以及如何使用YOLO、MaskR-CNN和U-Net提取特定內(nèi)容?！队嬎銠C視覺實戰(zhàn)：基于TensorFlow 2》還將介紹如何構建生成式對抗網(wǎng)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(shù)據(jù)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(zhàn)：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。通過閱讀《計算機視覺實戰(zhàn)：基于TensorFlow 2》，你將學到：如何從頭開始創(chuàng)建神經(jīng)網(wǎng)絡。如何使用包括Inception和ResNet在內(nèi)的現(xiàn)代神經(jīng)網(wǎng)絡架構進行圖像分類。如何使用YOLO、MaskR-CNN和U-Net檢測、分割圖像中的目標。如何解決自動駕駛汽車開發(fā)和面部表情識別系統(tǒng)中的問題。如何使用遷移學習、GAN和域適應提升應用的性能。如何使用循環(huán)神經(jīng)網(wǎng)絡進行視頻分析。如何在移動設備和瀏覽器上優(yōu)化和部署神經(jīng)網(wǎng)絡。

　　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(yè)應用使用更少的數(shù)據(jù)開發(fā)更智能的視覺系統(tǒng)。他還在在線平臺（例如StackOverflow）上分享自己的知識和經(jīng)驗，或者創(chuàng)建有美感的演示系統(tǒng)。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(jīng)驗，涉及銀行、醫(yī)療、社交媒體和視頻流等行業(yè)。他關注的是工業(yè)化，即通過將新技術應用于商業(yè)問題來實現(xiàn)價值。閆龍川，博士，國家電網(wǎng)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(tǒng)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(shù)據(jù)中心管理等。李君婷，碩士，國家電網(wǎng)有限公司大數(shù)據(jù)中心高級工程師，主要從事電力大數(shù)據(jù)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(chuàng)新等。高德荃，博士，國家電網(wǎng)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(tǒng)運行分析工作，研究興趣包括機器學習與數(shù)據(jù)科學、地理空間分析等。