未读消息消息

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

TensorFlow 2.x高级计算机视觉

TensorFlow 2.x高级计算机视觉

分享

作者: [美] 克里斯南杜·卡尔著 , 周玉兰译

出版社: 清华大学出版社

出版时间: 2022-09

版次: 1

ISBN: 9787302614586

定价: 129.00

装帧: 其他

开本: 16开

纸张: 胶版纸

页数: 373页

字数: 503.000千字

分类: 计算机与互联网

7 张插图图片

《TensorFlow2.x高级计算机视觉》详细阐述了与TensorFlow高级计算机视觉相关的基本解决方案，主要包括计算机视觉和TensorFlow基础知识，局部二值模式和内容识别，使用OpenCV和CNN进行面部检测，图像深度学习，神经网络架构和模型，迁移学习和视觉搜索，YOLO和对象检测，语义分割和神经风格迁移，使用多任务深度学习进行动作识别，使用R-CNN、SSD和R-FCN进行对象检测，通过CPU/GPU优化在边缘设备上进行深度学习，用于计算机视觉的云计算平台等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

  本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。第1篇  计算机视觉和神经网络概论

第1章  计算机视觉和TensorFlow基础知识 3

1.1  技术要求 3

1.2  使用图像哈希和滤波检测边缘 3

1.2.1  使用拜耳滤色器形成彩色图案 4

1.2.2  创建图像向量 5

1.2.3  变换图像 8

1.2.4  线性滤波—与内核进行卷积 9

1.2.5  图像平滑 10

1.2.6  均值滤波器 11

1.2.7  中值滤波器 12

1.2.8  高斯滤波器 12

1.2.9  使用OpenCV进行图像滤波 13

1.2.10  图像梯度 14

1.2.11  图像锐化 15

1.2.12  混合高斯和拉普拉斯运算 16

1.2.13  检测图像边缘 18

1.2.14  Sobel边缘检测器 19

1.2.15  Canny边缘检测器 19

1.3  从图像中提取特征 20

1.3.1  直方图 20

1.3.2  使用OpenCV进行图像匹配 21

1.4  使用轮廓和HOG检测器进行对象检测 22

1.4.1  轮廓检测 23

1.4.2  检测边界框 23

1.4.3  HOG检测器 25

1.4.4  轮廓检测方法的局限性 26

1.5  TensorFlow生态系统和安装概述 28

1.5.1  TensorFlow与PyTorch 29

1.5.2  TensorFlow安装 29

1.6  小结 31

第2章  局部二值模式和内容识别 33

2.1  使用LBP处理图像 33

2.1.1  生成LBP模式 33

2.1.2  理解LBP直方图 36

2.1.3  直方图比较方法 36

2.1.4  LBP的计算成本 39

2.2  将LBP应用于纹理识别 39

2.3  使脸部颜色与基础颜色匹配—LBP及其局限性 45

2.4  使脸部颜色与基础颜色匹配—颜色匹配技术 48

2.5  小结 49

第3章  使用OpenCV和CNN进行面部检测 51

3.1  应用Viola-Jones AdaBoost学习模型和Haar级联分类器进行人脸识别 51

3.1.1  选择哈尔特征 51

3.1.2  创建积分图像 52

3.1.3  进行AdaBoost训练 55

3.1.4  级联分类器 56

3.1.5  训练级联检测器 57

3.2  使用深度神经网络预测面部关键点 58

3.2.1  准备用于关键点检测的数据集 58

3.2.2  处理关键点数据 61

3.2.3  在输入Keras–Python代码之前进行预处理 61

3.2.4  Keras–Python代码中的预处理 61

3.2.5  定义模型架构 63

3.2.6  训练模型以进行关键点预测 65

3.3  使用CNN预测面部表情 67

3.4  3D人脸检测概述 69

3.4.1  3D重建的硬件设计概述 69

3.4.2  3D重建和跟踪概述 69

3.4.3  参数跟踪概述 70

3.5  小结 71

第4章  图像深度学习 73

4.1  理解CNN及其参数 73

4.1.1  卷积 75

4.1.2  在空间上的卷积—3×3滤波器 77

4.1.3  在空间上的卷积—1×1滤波器 78

4.1.4  池化 79

4.1.5  填充 80

4.1.6  步幅 81

4.1.7  激活 82

4.1.8  全连接层 83

4.1.9  正则化 84

4.1.10  舍弃 84

4.1.11  内部协方差漂移和批归一化 85

4.1.12  Softmax 87

4.2  优化CNN参数 87

4.2.1  基准情况 89

4.2.2  迭代1 90

4.2.3  迭代2 90

4.2.4  迭代3 91

4.2.5  迭代4 92

4.3  可视化神经网络的各个层 94

4.3.1  构建自定义图像分类器模型并可视化其层 94

4.3.2  神经网络输入和参数 94

4.3.3  输入图像 95

4.3.4  定义训练和验证生成器 95

4.3.5  开发模型 96

4.3.6  编译和训练模型 96

4.3.7  输入测试图像并将其转换为张量 98

4.3.8  可视化第一个激活层 99

4.3.9  可视化多个激活层 99

4.3.10  训练现有的高级图像分类器模型并可视化其层 103

4.4  小结 107

第2篇  TensorFlow和计算机视觉的高级概念

第5章  神经网络架构和模型 111

5.1  AlexNet概述 111

5.2  VGG16概述 116

5.3  Inception概述 117

5.3.1  Inception网络的工作原理 117

5.3.2  GoogLeNet检测 120

5.4  ResNet概述 121

5.5  R-CNN概述 123

5.5.1  图像分割 125

5.5.2  基于聚类的分割 125

5.5.3  基于图的分割 125

5.5.4  选择性搜索 126

5.5.5  区域提议 126

5.5.6  特征提取 126

5.5.7  图像分类 127

5.5.8  边界框回归 127

5.6  快速R-CNN概述 127

5.7  更快的R-CNN概述 129

5.8  GAN概述 133

5.9  GNN概述 135

5.9.1  有关图神经网络的基础知识 136

5.9.2  频谱GNN 137

5.10  强化学习概述 138

5.11  迁移学习概述 139

5.12  小结 141

第6章  迁移学习和视觉搜索 143

6.1  使用TensorFlow编写深度学习模型代码 143

6.1.1  下载权重 144

6.1.2  解码预测结果 144

6.1.3  导入其他常用功能 145

6.1.4  构建模型 145

6.1.5  从目录输入图像 146

6.1.6  使用TensorFlow Keras导入和处理多幅图像的循环函数 146

6.2  使用TensorFlow开发迁移学习模型 151

6.2.1  分析和存储数据 151

6.2.2  导入TensorFlow库 152

6.2.3  设置模型参数 153

6.2.4  建立数据输入管道 153

6.2.5  训练数据生成器 153

6.2.6  验证数据生成器 154

6.2.7  使用迁移学习构建最终模型 154

6.2.8  使用Checkpoint保存模型 156

6.2.9  给训练的历史记录绘图 157

6.3  理解视觉搜索的架构和应用 160

6.3.1  视觉搜索的架构 161

6.3.2  视觉搜索代码和说明 164

6.3.3  预测上传图像的类别 164

6.3.4  预测所有图像的类别 165

6.4  使用tf.data处理视觉搜索输入管道 171

6.5  小结 173

第7章  YOLO和对象检测 175

7.1  YOLO概述 175

7.1.1  交并比的概念 176

7.1.2  YOLO能够快速检测对象的原因揭秘 177

7.1.3  YOLO v3神经网络架构 179

7.1.4  YOLO与更快的R-CNN的比较 180

7.2  用于对象检测的Darknet简介 181

7.2.1  使用Darknet检测对象 181

7.2.2　使用Tiny Darknet检测对象 184

7.3  使用Darknet进行实时预测 186

7.4  YOLO系列的比较 190

7.5  训练模型 191

7.6  使用YOLO v3训练新图像集以开发自定义模型 192

7.6.1  准备图像 194

7.6.2  生成注解文件 194

7.6.3  将.xml文件转换为.txt文件 196

7.6.4  创建合并的train.txt和test.txt文件 196

7.6.5  创建一个类别名称文件的列表 196

7.6.6  创建一个YOLO .data文件 197

7.6.7  调整YOLO配置文件 197

7.6.8  启用GPU进行训练 200

7.6.9  开始训练 200

7.7  特征金字塔网络和RetinaNet概述 201

7.8  小结 203

第8章  语义分割和神经风格迁移 205

8.1  用于语义分割的TensorFlow DeepLab概述 205

8.1.1  空间金字塔池化 207

8.1.2  空洞卷积 207

8.1.3  编码器-解码器网络 208

8.1.4  编码器模块 208

8.1.5  解码器模块 209

8.1.6  DeepLab中的语义分割示例 209

8.1.7  Google Colab、Google Cloud TPU和TensorFlow 209

8.2  使用DCGAN生成人工图像 213

8.2.1  生成器 213

8.2.2  鉴别器 214

8.2.3  训练 215

8.2.4  使用DCGAN修复图像 216

8.2.5  TensorFlow DCGAN示例 217

8.3  使用OpenCV修复图像 217

8.4  理解神经风格迁移 218

8.5  小结 222

第3篇  使用TensorFlow的计算机视觉高级实现

第9章  使用多任务深度学习进行动作识别 225

9.1  人体姿势估计—OpenPose 225

9.1.1  OpenPose背后的理论 225

9.1.2  理解OpenPose代码 228

9.2  人体姿势估计—堆叠沙漏模型 231

9.2.1  理解沙漏模型 233

9.2.2  编写沙漏模型代码 234

9.2.3  argparse块 235

9.2.4  训练沙漏网络 237

9.2.5  创建沙漏网络 238

9.3  人体姿势估计—PoseNet 242

9.3.1  自上而下的方法 242

9.3.2  自下而上的方法 242

9.3.3  PoseNet实现 243

9.3.4  应用人体姿势进行手势识别 246

9.4  使用各种方法进行动作识别 247

9.4.1  基于加速度计识别动作 248

9.4.2  将基于视频的动作与姿势估计相结合 250

9.4.3  使用4D方法进行动作识别 251

9.5  小结 251

第10章  使用R-CNN、SSD和R-FCN进行对象检测 253

10.1  SSD概述 253

10.2  R-FCN概述 256

10.3  TensorFlow对象检测API概述 258

10.4  在Google Cloud上使用TensorFlow检测对象 259

10.5  使用TensorFlow Hub检测对象 262

10.6  使用TensorFlow和Google Colab训练自定义对象检测器 263

10.6.1  收集图像并格式化为.jpg文件 265

10.6.2  注解图像以创建.xml文件 266

10.6.3  将文件拆分到训练和测试文件夹中 267

10.6.4  配置参数并安装所需的软件包 269

10.6.5  创建TensorFlow记录 271

10.6.6  准备模型并配置训练管道 273

10.6.7  使用TensorBoard监控训练进度 274

10.6.8  在本地计算机上运行TensorBoard 274

10.6.9  在Google Colab上运行TensorBoard 274

10.6.10  训练模型 275

10.6.11  运行推理测试 278

10.6.12  使用神经网络模型时的注意事项 279

10.7  Mask R-CNN概述和Google Colab演示 280

10.8  开发对象跟踪器模型以补充对象检测器 282

10.8.1  基于质心的跟踪 282

10.8.2  SORT跟踪 282

10.8.3  DeepSORT跟踪 283

10.8.4  OpenCV跟踪方法 284

10.8.5  基于暹罗网络的跟踪 284

10.8.6  基于SiamMask的跟踪 285

10.9  小结 286

第4篇  在边缘和云端上的TensorFlow实现

第11章  通过CPU/GPU优化在边缘设备上进行深度学习 291

11.1  边缘设备上的深度学习概述 291

11.2  用于GPU/CPU优化的技术 293

11.3  MobileNet概述 294

11.4  使用Raspberry Pi进行图像处理 296

11.4.1  Raspberry Pi硬件设置 297

11.4.2  Raspberry Pi摄像头软件设置 298

11.4.3  在Raspberry Pi中安装OpenCV 298

11.4.4  在Raspberry Pi中安装OpenVINO 299

11.4.5  安装OpenVINO工具包组件 300

11.4.6  设置环境变量 301

11.4.7  添加USB规则 301

11.4.8  使用Python代码运行推理 301

11.4.9  高级推理 302

11.4.10  人脸检测、行人检测和车辆检测 304

11.4.11  特征识别模型 305

11.4.12  动作识别模型 306

11.4.13  车牌、注视和人员检测 306

11.5  使用OpenVINO进行模型转换和推理 309

11.5.1  使用NCAPPZOO在终端中运行推理 309

11.5.2  转换预训练模型以进行推理 310

11.5.3  转换使用Keras开发的TensorFlow模型 310

11.5.4  转换使用TensorFlow对象检测API开发的TensorFlow模型 311

11.5.5  OpenVINO模型推理过程总结 312

11.6  TensorFlow Lite的应用 314

11.6.1  将TensorFlow模型转换为tflite格式 315

11.6.2  Python API 315

11.6.3  TensorFlow对象检测API—tflite_convert 315

11.6.4  TensorFlow对象检测API—toco 316

11.6.5  模型优化 318

11.7  使用TensorFlow Lite在Android手机上进行对象检测 319

11.8  使用TensorFlow Lite在Raspberry Pi上进行对象检测 323

11.8.1  图像分类 324

11.8.2  对象检测 325

11.9  使用TensorFlow Lite和Create ML在iPhone上进行对象检测 326

11.9.1  适用于iPhone的TensorFlow Lite转换模型 327

11.9.2  Core ML 330

11.9.3  将TensorFlow模型转换为Core ML格式 333

11.10  各种注解方法的摘要 333

11.10.1  将标注工作外包给第三方 333

11.10.2  自动或半自动标注 334

11.11  小结 338

第12章  用于计算机视觉的云计算平台 339

12.1  在GCP中训练对象检测器 339

12.1.1  在GCP中创建项目 340

12.1.2  GCP设置 341

12.1.3  Google Cloud Storage存储桶设置 342

12.1.4  使用GCP API设置存储桶 342

12.1.5  使用Ubuntu终端设置存储桶 343

12.1.6  设置Google Cloud SDK 343

12.1.7  将终端链接到Google Cloud项目和存储桶 344

12.1.8  安装TensorFlow对象检测API 345

12.1.9  准备数据集 346

12.1.10  TFRecord和标注地图数据 346

12.1.11  准备数据 346

12.1.12  上传数据 347

12.1.13  model.ckpt文件 348

12.1.14  模型配置文件 348

12.1.15  在云端训练 350

12.1.16  在TensorBoard中查看模型输出 351

12.1.17  模型输出并转换为冻结图 353

12.1.18  从Google Colab导出tflite graph.py 354

12.2  在AWS SageMaker云平台中训练对象检测器 357

12.2.1  设置AWS账户和限制等 357

12.2.2  将.xml文件转换为JSON格式 357

12.2.3  将数据上传到S3存储桶 358

12.2.4  创建Notebook实例并开始训练 358

12.2.5  修复训练中的一些常见故障 359

12.3  在Microsoft Azure云平台中训练对象检测器 361

12.3.1  创建一个Azure账号并设置Custom Vision 361

12.3.2  上传训练图像并标注它们 362

12.4  大规模训练和打包 366

12.4.1  关于分布式训练 366

12.4.2  应用程序打包 366

12.5  基于云的视觉搜索背后的总体思路 367

12.6  分析各种云平台中的图像和搜索机制 368

12.6.1  使用GCP进行视觉搜索 369

12.6.2  使用AWS进行视觉搜索 370

12.6.3  使用Azure进行视觉搜索 372

12.7  小结 373
内容简介:
《TensorFlow2.x高级计算机视觉》详细阐述了与TensorFlow高级计算机视觉相关的基本解决方案，主要包括计算机视觉和TensorFlow基础知识，局部二值模式和内容识别，使用OpenCV和CNN进行面部检测，图像深度学习，神经网络架构和模型，迁移学习和视觉搜索，YOLO和对象检测，语义分割和神经风格迁移，使用多任务深度学习进行动作识别，使用R-CNN、SSD和R-FCN进行对象检测，通过CPU/GPU优化在边缘设备上进行深度学习，用于计算机视觉的云计算平台等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。
目录:
第1篇  计算机视觉和神经网络概论

第1章  计算机视觉和TensorFlow基础知识 3

1.1  技术要求 3

1.2  使用图像哈希和滤波检测边缘 3

1.2.1  使用拜耳滤色器形成彩色图案 4

1.2.2  创建图像向量 5

1.2.3  变换图像 8

1.2.4  线性滤波—与内核进行卷积 9

1.2.5  图像平滑 10

1.2.6  均值滤波器 11

1.2.7  中值滤波器 12

1.2.8  高斯滤波器 12

1.2.9  使用OpenCV进行图像滤波 13

1.2.10  图像梯度 14

1.2.11  图像锐化 15

1.2.12  混合高斯和拉普拉斯运算 16

1.2.13  检测图像边缘 18

1.2.14  Sobel边缘检测器 19

1.2.15  Canny边缘检测器 19

1.3  从图像中提取特征 20

1.3.1  直方图 20

1.3.2  使用OpenCV进行图像匹配 21

1.4  使用轮廓和HOG检测器进行对象检测 22

1.4.1  轮廓检测 23

1.4.2  检测边界框 23

1.4.3  HOG检测器 25

1.4.4  轮廓检测方法的局限性 26

1.5  TensorFlow生态系统和安装概述 28

1.5.1  TensorFlow与PyTorch 29

1.5.2  TensorFlow安装 29

1.6  小结 31

第2章  局部二值模式和内容识别 33

2.1  使用LBP处理图像 33

2.1.1  生成LBP模式 33

2.1.2  理解LBP直方图 36

2.1.3  直方图比较方法 36

2.1.4  LBP的计算成本 39

2.2  将LBP应用于纹理识别 39

2.3  使脸部颜色与基础颜色匹配—LBP及其局限性 45

2.4  使脸部颜色与基础颜色匹配—颜色匹配技术 48

2.5  小结 49

第3章  使用OpenCV和CNN进行面部检测 51

3.1  应用Viola-Jones AdaBoost学习模型和Haar级联分类器进行人脸识别 51

3.1.1  选择哈尔特征 51

3.1.2  创建积分图像 52

3.1.3  进行AdaBoost训练 55

3.1.4  级联分类器 56

3.1.5  训练级联检测器 57

3.2  使用深度神经网络预测面部关键点 58

3.2.1  准备用于关键点检测的数据集 58

3.2.2  处理关键点数据 61

3.2.3  在输入Keras–Python代码之前进行预处理 61

3.2.4  Keras–Python代码中的预处理 61

3.2.5  定义模型架构 63

3.2.6  训练模型以进行关键点预测 65

3.3  使用CNN预测面部表情 67

3.4  3D人脸检测概述 69

3.4.1  3D重建的硬件设计概述 69

3.4.2  3D重建和跟踪概述 69

3.4.3  参数跟踪概述 70

3.5  小结 71

第4章  图像深度学习 73

4.1  理解CNN及其参数 73

4.1.1  卷积 75

4.1.2  在空间上的卷积—3×3滤波器 77

4.1.3  在空间上的卷积—1×1滤波器 78

4.1.4  池化 79

4.1.5  填充 80

4.1.6  步幅 81

4.1.7  激活 82

4.1.8  全连接层 83

4.1.9  正则化 84

4.1.10  舍弃 84

4.1.11  内部协方差漂移和批归一化 85

4.1.12  Softmax 87

4.2  优化CNN参数 87

4.2.1  基准情况 89

4.2.2  迭代1 90

4.2.3  迭代2 90

4.2.4  迭代3 91

4.2.5  迭代4 92

4.3  可视化神经网络的各个层 94

4.3.1  构建自定义图像分类器模型并可视化其层 94

4.3.2  神经网络输入和参数 94

4.3.3  输入图像 95

4.3.4  定义训练和验证生成器 95

4.3.5  开发模型 96

4.3.6  编译和训练模型 96

4.3.7  输入测试图像并将其转换为张量 98

4.3.8  可视化第一个激活层 99

4.3.9  可视化多个激活层 99

4.3.10  训练现有的高级图像分类器模型并可视化其层 103

4.4  小结 107

第2篇  TensorFlow和计算机视觉的高级概念

第5章  神经网络架构和模型 111

5.1  AlexNet概述 111

5.2  VGG16概述 116

5.3  Inception概述 117

5.3.1  Inception网络的工作原理 117

5.3.2  GoogLeNet检测 120

5.4  ResNet概述 121

5.5  R-CNN概述 123

5.5.1  图像分割 125

5.5.2  基于聚类的分割 125

5.5.3  基于图的分割 125

5.5.4  选择性搜索 126

5.5.5  区域提议 126

5.5.6  特征提取 126

5.5.7  图像分类 127

5.5.8  边界框回归 127

5.6  快速R-CNN概述 127

5.7  更快的R-CNN概述 129

5.8  GAN概述 133

5.9  GNN概述 135

5.9.1  有关图神经网络的基础知识 136

5.9.2  频谱GNN 137

5.10  强化学习概述 138

5.11  迁移学习概述 139

5.12  小结 141

第6章  迁移学习和视觉搜索 143

6.1  使用TensorFlow编写深度学习模型代码 143

6.1.1  下载权重 144

6.1.2  解码预测结果 144

6.1.3  导入其他常用功能 145

6.1.4  构建模型 145

6.1.5  从目录输入图像 146

6.1.6  使用TensorFlow Keras导入和处理多幅图像的循环函数 146

6.2  使用TensorFlow开发迁移学习模型 151

6.2.1  分析和存储数据 151

6.2.2  导入TensorFlow库 152

6.2.3  设置模型参数 153

6.2.4  建立数据输入管道 153

6.2.5  训练数据生成器 153

6.2.6  验证数据生成器 154

6.2.7  使用迁移学习构建最终模型 154

6.2.8  使用Checkpoint保存模型 156

6.2.9  给训练的历史记录绘图 157

6.3  理解视觉搜索的架构和应用 160

6.3.1  视觉搜索的架构 161

6.3.2  视觉搜索代码和说明 164

6.3.3  预测上传图像的类别 164

6.3.4  预测所有图像的类别 165

6.4  使用tf.data处理视觉搜索输入管道 171

6.5  小结 173

第7章  YOLO和对象检测 175

7.1  YOLO概述 175

7.1.1  交并比的概念 176

7.1.2  YOLO能够快速检测对象的原因揭秘 177

7.1.3  YOLO v3神经网络架构 179

7.1.4  YOLO与更快的R-CNN的比较 180

7.2  用于对象检测的Darknet简介 181

7.2.1  使用Darknet检测对象 181

7.2.2　使用Tiny Darknet检测对象 184

7.3  使用Darknet进行实时预测 186

7.4  YOLO系列的比较 190

7.5  训练模型 191

7.6  使用YOLO v3训练新图像集以开发自定义模型 192

7.6.1  准备图像 194

7.6.2  生成注解文件 194

7.6.3  将.xml文件转换为.txt文件 196

7.6.4  创建合并的train.txt和test.txt文件 196

7.6.5  创建一个类别名称文件的列表 196

7.6.6  创建一个YOLO .data文件 197

7.6.7  调整YOLO配置文件 197

7.6.8  启用GPU进行训练 200

7.6.9  开始训练 200

7.7  特征金字塔网络和RetinaNet概述 201

7.8  小结 203

第8章  语义分割和神经风格迁移 205

8.1  用于语义分割的TensorFlow DeepLab概述 205

8.1.1  空间金字塔池化 207

8.1.2  空洞卷积 207

8.1.3  编码器-解码器网络 208

8.1.4  编码器模块 208

8.1.5  解码器模块 209

8.1.6  DeepLab中的语义分割示例 209

8.1.7  Google Colab、Google Cloud TPU和TensorFlow 209

8.2  使用DCGAN生成人工图像 213

8.2.1  生成器 213

8.2.2  鉴别器 214

8.2.3  训练 215

8.2.4  使用DCGAN修复图像 216

8.2.5  TensorFlow DCGAN示例 217

8.3  使用OpenCV修复图像 217

8.4  理解神经风格迁移 218

8.5  小结 222

第3篇  使用TensorFlow的计算机视觉高级实现

第9章  使用多任务深度学习进行动作识别 225

9.1  人体姿势估计—OpenPose 225

9.1.1  OpenPose背后的理论 225

9.1.2  理解OpenPose代码 228

9.2  人体姿势估计—堆叠沙漏模型 231

9.2.1  理解沙漏模型 233

9.2.2  编写沙漏模型代码 234

9.2.3  argparse块 235

9.2.4  训练沙漏网络 237

9.2.5  创建沙漏网络 238

9.3  人体姿势估计—PoseNet 242

9.3.1  自上而下的方法 242

9.3.2  自下而上的方法 242

9.3.3  PoseNet实现 243

9.3.4  应用人体姿势进行手势识别 246

9.4  使用各种方法进行动作识别 247

9.4.1  基于加速度计识别动作 248

9.4.2  将基于视频的动作与姿势估计相结合 250

9.4.3  使用4D方法进行动作识别 251

9.5  小结 251

第10章  使用R-CNN、SSD和R-FCN进行对象检测 253

10.1  SSD概述 253

10.2  R-FCN概述 256

10.3  TensorFlow对象检测API概述 258

10.4  在Google Cloud上使用TensorFlow检测对象 259

10.5  使用TensorFlow Hub检测对象 262

10.6  使用TensorFlow和Google Colab训练自定义对象检测器 263

10.6.1  收集图像并格式化为.jpg文件 265

10.6.2  注解图像以创建.xml文件 266

10.6.3  将文件拆分到训练和测试文件夹中 267

10.6.4  配置参数并安装所需的软件包 269

10.6.5  创建TensorFlow记录 271

10.6.6  准备模型并配置训练管道 273

10.6.7  使用TensorBoard监控训练进度 274

10.6.8  在本地计算机上运行TensorBoard 274

10.6.9  在Google Colab上运行TensorBoard 274

10.6.10  训练模型 275

10.6.11  运行推理测试 278

10.6.12  使用神经网络模型时的注意事项 279

10.7  Mask R-CNN概述和Google Colab演示 280

10.8  开发对象跟踪器模型以补充对象检测器 282

10.8.1  基于质心的跟踪 282

10.8.2  SORT跟踪 282

10.8.3  DeepSORT跟踪 283

10.8.4  OpenCV跟踪方法 284

10.8.5  基于暹罗网络的跟踪 284

10.8.6  基于SiamMask的跟踪 285

10.9  小结 286

第4篇  在边缘和云端上的TensorFlow实现

第11章  通过CPU/GPU优化在边缘设备上进行深度学习 291

11.1  边缘设备上的深度学习概述 291

11.2  用于GPU/CPU优化的技术 293

11.3  MobileNet概述 294

11.4  使用Raspberry Pi进行图像处理 296

11.4.1  Raspberry Pi硬件设置 297

11.4.2  Raspberry Pi摄像头软件设置 298

11.4.3  在Raspberry Pi中安装OpenCV 298

11.4.4  在Raspberry Pi中安装OpenVINO 299

11.4.5  安装OpenVINO工具包组件 300

11.4.6  设置环境变量 301

11.4.7  添加USB规则 301

11.4.8  使用Python代码运行推理 301

11.4.9  高级推理 302

11.4.10  人脸检测、行人检测和车辆检测 304

11.4.11  特征识别模型 305

11.4.12  动作识别模型 306

11.4.13  车牌、注视和人员检测 306

11.5  使用OpenVINO进行模型转换和推理 309

11.5.1  使用NCAPPZOO在终端中运行推理 309

11.5.2  转换预训练模型以进行推理 310

11.5.3  转换使用Keras开发的TensorFlow模型 310

11.5.4  转换使用TensorFlow对象检测API开发的TensorFlow模型 311

11.5.5  OpenVINO模型推理过程总结 312

11.6  TensorFlow Lite的应用 314

11.6.1  将TensorFlow模型转换为tflite格式 315

11.6.2  Python API 315

11.6.3  TensorFlow对象检测API—tflite_convert 315

11.6.4  TensorFlow对象检测API—toco 316

11.6.5  模型优化 318

11.7  使用TensorFlow Lite在Android手机上进行对象检测 319

11.8  使用TensorFlow Lite在Raspberry Pi上进行对象检测 323

11.8.1  图像分类 324

11.8.2  对象检测 325

11.9  使用TensorFlow Lite和Create ML在iPhone上进行对象检测 326

11.9.1  适用于iPhone的TensorFlow Lite转换模型 327

11.9.2  Core ML 330

11.9.3  将TensorFlow模型转换为Core ML格式 333

11.10  各种注解方法的摘要 333

11.10.1  将标注工作外包给第三方 333

11.10.2  自动或半自动标注 334

11.11  小结 338

第12章  用于计算机视觉的云计算平台 339

12.1  在GCP中训练对象检测器 339

12.1.1  在GCP中创建项目 340

12.1.2  GCP设置 341

12.1.3  Google Cloud Storage存储桶设置 342

12.1.4  使用GCP API设置存储桶 342

12.1.5  使用Ubuntu终端设置存储桶 343

12.1.6  设置Google Cloud SDK 343

12.1.7  将终端链接到Google Cloud项目和存储桶 344

12.1.8  安装TensorFlow对象检测API 345

12.1.9  准备数据集 346

12.1.10  TFRecord和标注地图数据 346

12.1.11  准备数据 346

12.1.12  上传数据 347

12.1.13  model.ckpt文件 348

12.1.14  模型配置文件 348

12.1.15  在云端训练 350

12.1.16  在TensorBoard中查看模型输出 351

12.1.17  模型输出并转换为冻结图 353

12.1.18  从Google Colab导出tflite graph.py 354

12.2  在AWS SageMaker云平台中训练对象检测器 357

12.2.1  设置AWS账户和限制等 357

12.2.2  将.xml文件转换为JSON格式 357

12.2.3  将数据上传到S3存储桶 358

12.2.4  创建Notebook实例并开始训练 358

12.2.5  修复训练中的一些常见故障 359

12.3  在Microsoft Azure云平台中训练对象检测器 361

12.3.1  创建一个Azure账号并设置Custom Vision 361

12.3.2  上传训练图像并标注它们 362

12.4  大规模训练和打包 366

12.4.1  关于分布式训练 366

12.4.2  应用程序打包 366

12.5  基于云的视觉搜索背后的总体思路 367

12.6  分析各种云平台中的图像和搜索机制 368

12.6.1  使用GCP进行视觉搜索 369

12.6.2  使用AWS进行视觉搜索 370

12.6.3  使用Azure进行视觉搜索 372

12.7  小结 373

查看详情

相关分类

计算机理论编程与开发操作系统大数据与云计算图形图像/多媒体网站设计与网页开发网络与通讯硬件、嵌入式开发办公软件信息安全辅助设计与工程计算软件工程/开发项目管理

TensorFlow 2.X高级计算机视觉正版新书，下单以书名为准

全新

品诺图书专营店

河北省保定市

平均发货26小时成功完成率92.6%

￥63.21

券

100减20

立即购买加入购物车
tensorflow 2.x计算机视觉图形图像 (美)克里斯南杜·卡尔新华正版

全新

翰林文轩旗舰店

江苏省无锡市

平均发货10小时成功完成率93.42%

￥85.15

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉

全新

尚贤文化济南分店

河北省保定市

平均发货27小时成功完成率88.49%

￥69.70

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版

全新

金银图图书店

河北省保定市

平均发货18小时成功完成率87.71%

￥85.14

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版新书新华官方库房直发可开电子发票

全新

文源文化

江苏省南京市

平均发货8小时成功完成率96.63%

￥92.88

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版

全新

明杰书屋

河北省廊坊市

平均发货21小时成功完成率93.56%

￥85.14

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉

全新

赫然文化图书城

河北省保定市

平均发货26小时成功完成率89.67%

￥76.10

券

100减20

立即购买加入购物车
TensorFlow2.X高级计算机视觉正版库存新书

全新

书宁图书城

河北省保定市

平均发货26小时成功完成率90.4%

￥77.40

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉 (全新正版书籍，假一赔十)ZJ图片是系统识别图，仅供参考，以书号或书名为准，不清楚的请先咨询客服再下单。套装书请咨询再下订单

全新

伊铃书屋

广东省广州市

平均发货37小时成功完成率75.23%

￥57.39

券

100减20

立即购买加入购物车
tensorflow 2.x计算机视觉图形图像 (美)克里斯南杜·卡尔

全新

鑫誠書苑

河北省保定市

平均发货20小时成功完成率87.17%

￥76.10

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉全新正版假一赔十

全新

兴文书店

广东省广州市

平均发货20小时成功完成率86.4%

￥67.73

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉正版图书，放心下单，请核对以书号和标题书名为准

全新

悦霖图书

河北省廊坊市

平均发货22小时成功完成率86.45%

￥76.10

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉

全新

赫然文化图书城

河北省保定市

平均发货26小时成功完成率89.67%

￥81.27

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉着急要货的请不要下单两天左右发货正版图书

全新

阅读时代图书城

北京市朝阳区

平均发货24小时成功完成率76.43%

￥76.11

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉

全新

赫然文化图书城

河北省保定市

平均发货26小时成功完成率89.67%

￥76.11

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉

全新

赫然文化图书城

河北省保定市

平均发货26小时成功完成率89.67%

￥79.98

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版保障假一赔十可开发票

全新

灵感书店

上海市黄浦区

平均发货11小时成功完成率94.39%

￥83.59

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉本店所售图书，保证正版新书，有个别图片和实书封面不一样，以实书封面为准，有需要确定的可以联系客服。我店不能开发票。当天下单第二天发货。

全新

蓝天阳光书店

四川省成都市

平均发货28小时成功完成率85.14%

￥78.58

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉正版图书，下单以书名为准

全新

品诺图书专营店

河北省保定市

平均发货26小时成功完成率92.6%

￥77.40

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉（全新正版书籍，假一罚十（图片为标准图，仅供参考。以标题为准，不了解的可以询问客服。）可开发票

全新

松竹轩

北京市朝阳区

平均发货16小时成功完成率96.15%

￥87.81

券

100减20

立即购买加入购物车
TensorFlow2.x高级计算机视觉全新正版现货

全新

龙香书城

四川省成都市

平均发货23小时成功完成率90.99%

￥64.50

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉

全新

百文斋書店

山东省潍坊市

平均发货11小时成功完成率84.81%

￥84.21

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉（全新正版书籍，假一罚十（图片为标准图，仅供参考。以标题为准，不了解的可以询问客服。）可开发票

全新

忠耀书店

北京市朝阳区

平均发货18小时成功完成率94.92%

￥87.81

券

100减20

立即购买加入购物车
TensorFlow2.x高级计算机视觉全新正版全新未开封新华集团直接发

全新

江苏读客文化

江苏省南京市

平均发货15小时成功完成率83.08%

￥101.91

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉正版

全新

金银图图书店

河北省保定市

平均发货18小时成功完成率87.71%

￥86.43

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉全新正版未拆封

全新

转角书檐

四川省成都市

平均发货60小时成功完成率83.15%

￥57.19

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉正版书籍

全新

小雄图书店

河北省保定市

平均发货25小时成功完成率84.74%

￥70.61

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版保障假一赔十电子发票

全新

瀚东书店

湖北省武汉市

平均发货20小时成功完成率85.62%

￥75.92

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版图书保证可开电子发票

全新

汉唐图书旗舰店

湖北省武汉市

平均发货22小时成功完成率88.2%

￥81.80

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉 9787302614586 可开发票，支持7天无理由

全新

果然是好书店

天津市西青区

平均发货14小时成功完成率90.27%

￥76.63

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版书籍批量上传价格不符请咨询客服假一罚十支持开票

全新

千正旗舰版一正版促销

江苏省宿迁市

平均发货25小时成功完成率87.98%

￥91.59

券

100减20

立即购买加入购物车
TensorFlow2.X高级计算机视觉9787302614586 正版一手库存书，无笔记，未翻阅。如果商品名称和图片不符时，以商品名称为准，谢谢

全新

书友图书城

北京市丰台区

平均发货44小时成功完成率84.34%

￥71.00

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉按标题名购买，批量下载图片有时不对应，多本图片为其中一本，有问题请联系客服。

全新

小布丁书店

河北省保定市

平均发货25小时成功完成率89.1%

￥69.66

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉重要提醒：：：重要提醒：：所有图书保证正版，按书名发货图片仅供参考, 有疑问请咨询客服，看清书名按书名发货

全新

悦然书店

北京市通州区

平均发货9小时成功完成率89.37%

￥81.50

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉新华集团直发

全新

安轩图书专营店

湖北省武汉市

平均发货18小时成功完成率92.79%

￥76.60

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版全新，绝无盗版，可开发票

全新

石坪图书专营店

湖北省武汉市

平均发货14小时成功完成率93.31%

￥79.10

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉

全新

尚同书屋

北京市房山区

平均发货29小时成功完成率83.68%

￥92.88

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉 [美]克里斯南杜·卡尔著,周玉兰正版库存一手书，品相视出版时间长短而定，自然成色，可开电子发票，图片由软件自动采集，以书名为准，不以图片不符售后！

全新

晏溪书店

山东省泰安市

平均发货8小时成功完成率93.19%

￥84.10

券

100减20

立即购买加入购物车
新华正版 TensorFlow 2.x高级计算机视觉 (美)克里斯南杜·卡尔 9787302614586 清华大学出版社 2022-09-01 新华书店直发全新正版急速发货开票联系客服

全新

建德书局的书店

北京市西城区

平均发货28小时成功完成率90.58%

￥83.68

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉

九五品

埃利奥的书店

北京市朝阳区

平均发货29小时成功完成率85.81%

￥61.00

券

100减20

立即购买加入购物车
全新正版图书 TensorFlow 2.x高级计算机视觉克里斯南杜·卡尔清华大学出版社9787302614586 黎明书店正版图书保证质量七天无理由退货让您购物无忧

全新

黎明书店

北京市丰台区

平均发货8小时成功完成率90.55%

￥81.92

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉图形图像新华书店全新正版书籍

全新

新华文轩网络书店

江苏省无锡市

平均发货8小时成功完成率95.88%

￥88.65

券

100减20

立即购买加入购物车
正版现货 TensorFlow 2.x高级计算机视觉图形图像新华书店全新正版书籍

全新

卓越网店

北京市东城区

平均发货29小时成功完成率84.72%

￥84.48

券

100减20

立即购买加入购物车
TensorFlow 2.X高级计算机视觉

全新

品雅轩正版折扣书店

河北省保定市

平均发货26小时成功完成率87.82%

￥63.21

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版新书新华官方库房直发可开电子发票

全新

江苏读客文化

江苏省南京市

平均发货15小时成功完成率83.08%

￥92.88

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉正版新华书店直发可开发票，支持7天无理由

全新

需配书院（南京书店）

江苏省无锡市

平均发货18小时成功完成率94.5%

￥89.30

券

100减20

立即购买加入购物车
tensorflow 2.x计算机视觉图形图像 (美)克里斯南杜·卡尔新华正版利用tensorflow2.x开发计算机视觉，

全新

浩子书屋

河北省保定市

平均发货15小时成功完成率91.27%

￥86.25

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉批量下载数据，有图片和标题名不是一种书，要按标题名购买。

全新

小布丁书店

河北省保定市

平均发货25小时成功完成率89.1%

￥90.25

券

100减20

立即购买加入购物车
tensorflow 2.x计算机视觉图形图像 (美)克里斯南杜·卡尔新华正版图形图像新华书店全新正版书籍支持7天无理由

全新

翰林文轩旗舰店

江苏省无锡市

平均发货10小时成功完成率93.42%

￥85.15

券

100减20

立即购买加入购物车
TensorFlow 2.x高级计算机视觉全新正版假一赔十可开发票

全新

轻阅书店

北京市朝阳区

平均发货9小时成功完成率96.85%

￥86.88

券

100减20

立即购买加入购物车