計算機視覺之深度學習：使用TensorFlow和Keras訓練高級神經網路

第 1 章 入門 1
1．1 理解深度學習 1
1．1．1 感知機 1
1．1．2 啟動函數 2
1．1．3 人工神經網路 4
1．1．4 訓練神經網路 7
1．1．5 嘗試TensorFlow遊樂場 8
1．1．6 卷積神經網路 8
1．1．7 迴圈神經網路 10
1．1．8 長短期記憶網路 11
1．2 電腦視覺深度學習 12
1．2．1 分類 12
1．2．2 檢測或定位與分割 12
1．2．3 相似性學習 13
1．2．4 圖像題注 13
1．2．5 生成模型 14
1．2．6 視頻分析 15
1．3 建立開發環境 15
1．3．1 硬體和作業系統 15
1．3．2 安裝套裝軟體 17
1．4 小結 23

第 2 章 圖像分類 24
2．1 在TensorFlow中訓練MNIST模型 24
2．1．1 MNIST資料集 24
2．1．2 載入MNIST數據 25
2．1．3 建立一個感知機 25
2．1．4 構建多層卷積網路 28
2．2 在Keras中訓練MNIST模型 35
2．2．1 準備資料集 35
2．2．2 構建模型 36
2．3 其他流行的圖像測試資料集 38
2．3．1 CIFAR資料集 38
2．3．2 Fashion-MNIST資料集 38
2．3．3 ImageNet資料集和競賽 39
2．4 更大的深度學習模型 40
2．4．1 AlexNet模型 40
2．4．2 VGG-16模型 41
2．4．3 穀歌Inception-V3模型 42
2．4．4 微軟ResNet-50模型 45
2．4．5 SqueezeNet模型 45
2．4．6 空間變換網路模型 46
2．4．7 DenseNet模型 47
2．5 訓練貓與狗的模型 47
2．5．1 準備數據 48
2．5．2 使用簡單CNN進行基準測試 48
2．5．3 增強資料集 49
2．5．4 遷移學習或微調模型 50
2．5．5 在深度學習中微調一些層 51
2．6 開發現實世界的應用 53
2．6．1 選擇正確的模型 53
2．6．2 處理欠擬合和過擬合場景 53
2．6．3 從面部檢測性別和年齡 54
2．6．4 微調服裝模型 54
2．6．5 品牌安全 54
2．7 小結 54

第 3 章 圖像檢索 55
3．1 理解視覺特徵 55
3．1．1 深度學習模型的視覺化啟動 56
3．1．2 嵌入視覺化 57
3．1．3 DeepDream 60
3．1．4 對抗樣本 64
3．2 模型推斷 65
3．2．1 匯出模型 65
3．2．2 提供訓練好的模型 66
3．3 基於內容的圖像檢索 68
3．3．1 構建檢索流水線 68
3．3．2 有效的檢索 71
3．3．3 使用自編碼器去噪 74
3．4 小結 77

第 4 章 目標檢測 78
4．1 檢測圖像中的目標 78
4．2 探索資料集 79
4．2．1 ImageNet資料集 79
4．2．2 PASCAL VOC挑戰 79
4．2．3 COCO目標檢測挑戰 79
4．2．4 使用指標評估資料集 80
4．3 目標定位演算法 81
4．3．1 使用滑動視窗定位目標 82
4．3．2 將定位看作回歸問題 83
4．4 檢測目標 86
4．4．1 R-CNN（區域卷積神經網路） 86
4．4．2 Fast R-CNN 86
4．4．3 Faster R-CNN 87
4．4．4 SSD（單射多框探測器） 88
4．5 目標檢測API 88
4．5．1 安裝和設置 88
4．5．2 預訓練模型 89
4．5．3 重新訓練目標檢測模型 90
4．5．4 為自動駕駛汽車訓練行人檢測 92
4．6 YOLO目標檢測演算法 92
4．7 小結 94

第 5 章 語義分割 95
5．1 預測圖元 95
5．1．1 診斷醫學圖像 97
5．1．2 通過衛星圖像瞭解地球 97
5．1．3 提供機器人視覺 98
5．2 資料集 98
5．3 語義分割演算法 98
5．3．1 全卷積網路 98
5．3．2 SegNet架構 99
5．3．3 膨脹卷積 103
5．3．4 DeepLab 104
5．3．5 RefiNet 105
5．3．6 PSPnet 106
5．3．7 大卷積核的重要性 106
5．3．8 DeepLab v3 107
5．4 超神經分割 107
5．5 分割衛星圖像 111
5．6 分割實例 113
5．7 小結 114

第 6 章 相似性學習 115
6．1 相似性學習演算法 115
6．1．1 孿生網路 115
6．1．2 FaceNet模型 118
6．1．3 DeepNet模型 120
6．1．4 DeepRank模型 120
6．1．5 視覺推薦系統 121
6．2 人臉分析 122
6．2．1 人臉檢測 122
6．2．2 人臉特徵點和屬性 123
6．2．3 人臉識別 126
6．2．4 人臉聚類 130
6．3 小結 131

第 7 章 圖像題注 132
7．1 瞭解問題和資料集 132
7．2 理解圖像題注的自然語言處理 132
7．2．1 用向量形式表達詞 133
7．2．2 將詞轉換為向量 133
7．2．3 訓練一個嵌入 134
7．3 圖像題注和相關問題的方法 135
7．3．1 使用條件隨機場來連結圖像和文本 136
7．3．2 在CNN 特徵上使用RNN生成題注 136
7．3．3 使用圖像排序創建題注 138
7．3．4 從圖像檢索題注與從題注檢索圖像 139
7．3．5 密集題注 140
7．3．6 使用RNN生成題注 141
7．3．7 使用多模態度量空間 142
7．3．8 使用注意網路生成題注 143
7．3．9 知道什麼時候查看 143
7．4 實現基於注意力的圖像題注 145
7．5 小結 147

第 8 章 生成模型 148
8．1 生成模型的應用 148
8．1．1 藝術風格遷移 148
8．1．2 預測視頻中的下一幀 149
8．1．3 圖像的超解析度 150
8．1．4 互動式圖像生成 151
8．1．5 圖像到圖像的翻譯 151
8．1．6 文本到圖像的生成 152
8．1．7 圖像修復 153
8．1．8 圖像混合 153
8．1．9 轉換屬性 154
8．1．10 創建訓練資料 154
8．1．11 創建新的動畫角色 155
8．1．12 照片3D模型 155
8．2 神經藝術風格遷移 156
8．2．1 內容損失 156
8．2．2 使用Gram矩陣的風格損失 160
8．2．3 風格遷移 162
8．3 生成對抗網路 165
8．3．1 vanilla GAN 165
8．3．2 條件GAN 167
8．3．3 對抗損失 167
8．3．4 圖像翻譯 168
8．3．5 InfoGAN 168
8．3．6 GAN的缺點 169
8．4 視覺對話模型 169
8．5 小結 171

第 9 章 視頻分類 172
9．1 瞭解視頻和視頻分類 172
9．1．1 探索視頻分類資料集 172
9．1．2 將視頻分割成幀 175
9．1．3 視頻分類方法 175
9．2 將基於圖像的方法擴展到視頻 184
9．2．1 人體姿態回歸 184
9．2．2 視頻分割 185
9．2．3 視頻題注 186
9．2．4 視頻生成 188
9．3 小結 188

第10 章 部署 189
10．1 模型的性能 189
10．1．1 量化模型 189
10．1．2 MobileNets 190
10．2 雲部署 193
10．2．1 AWS 193
10．2．2 Google雲平臺 197
10．3 在設備中部署模型 200
10．3．1 Jetson TX2 200
10．3．2 Android 201
10．3．3 iPhone 201
10．4 小結 202