計算機視覺：基於Python、Keras和TensorFlow的深度學習方法（簡體書）

本書聚焦深度學習架構和技術，使用Keras和TensorFlow庫創建解決方案。涉及多種神經網絡架構，包括LeNet、AlexNet、VGG、Inception、R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN、YOLO和SqueezeNet，並通過實踐了解如何基於Python實現深度學習架構。書中對所有代碼片段進行詳細分解並徹底分析，以便可以在各自的環境中實現相同的原則。

創新正是領導與員工的區別所在。

—史蒂夫·喬布斯(Steve Jobs)

你的駕駛技術如何？你會比自動駕駛系統的駕駛技術更好嗎？或者你認為在醫學圖像分類方面，某種算法會比專家表現得更好嗎？這可能是一個比較棘手的問題。但是，人工智能目前已經在通過圖像分析檢測肺癌和乳腺癌方面超過了醫生。

大自然非常仁慈地賜予了我們視覺、味覺、嗅覺、觸覺和聽覺的能力。在這些感官之中，視覺的力量讓我們能夠欣賞世界的美麗，享受色彩，識別家人和所愛之人的面孔，更重要的是享受這個美麗的世界和生活。隨著時間的推移，人類提升了大腦的力量，並做出了開創性的發明和發現。車輪或飛機、印刷機或時鐘、燈泡或個人計算機——這些創新已經改變了我們的生活、工作、旅行、決策和進步的方式，讓生活變得更簡單、更容易、更愉快和更安全。

數據科學和深度學習能夠進一步提升創新的可能性。通過深度學習可以復制大自然賦予的視覺力量。計算機通過訓練可以執行與人類相同的任務。它可以檢測顏色、形狀或大小，對貓、狗或馬進行分類，或者在道路上行駛——應用案例不勝枚舉。這些解決方案適用於零售、製造、金融服務和保險、農業、安全、運輸、製藥等行業。

本書重點介紹和解釋與計算機視覺問題相關的深度學習和神經網絡概念。書中詳細研究卷積神經網絡以及各個組成部件和屬性，探索各種神經網絡架構，介紹了LeNet、AlexNet、VGG、RCNN、Fast RCNN、Faster RCNN、SSD、YOLO、ResNet、Inception、DeepFace和FaceNet等模型的細節。書中使用Python和Keras作為解決方案的開發工具，開發實用的解決方案，用於解決二值圖像分類、多類圖像分類、目標檢測、人臉識別和視頻分析等實際問題。所有的代碼和數據集都被收錄至GitHub repo，讀者可以快速訪問這些資源。最後一章探討了深度學習開發項目中的所有步驟——從定義業務問題到計算機視覺系統的部署，以及如何處理在制訂解決方案時面臨的重大錯誤和問題。本書提供了能夠進行更好訓練的算法技巧，減少訓練時間，能夠及時地監測結果並改進解決方案。書中還分享了很多優秀的研究論文和數據集，建議讀者深入閱讀並獲得更多知識。

本書適合想使用深度學習來探索和實施計算機視覺解決方案的研究人員和學生。本書面向實際應用，因此推薦給打算探索前沿技術、掌握先進概念、深入了解深度學習架構並獲得最佳實踐和解決方案、迎接計算機視覺挑戰的廣大計算機專業人士。同時，本書也適用於使用深度學習算法解決計算機視覺問題，並想嘗試Python的讀者。

我要感謝Apress、Aaron、Jessica和Vishwesh，感謝他們對我的信任，賦予我在這個課題上工作的機會。我還要特別感謝我的家人——Yashi、Pakhi和Rudra，感謝他們的大力支持。沒有他們的支持，這項工作就不可能完成。

Vaibhav Verdhan

2020年11月於愛爾蘭利默裡克