深度學習之圖像識別：核心技術與案例實戰

　　本書全面介紹了深度學習在圖像處理領域中的核心技術與應用。書中不但重視基礎理論的講解，而且從第4章開始的每章都提供了一到兩個不同難度的案例供讀者實踐，讀者可以在已有代碼的基礎上進行修改和改進，從而加深對所學知識的理解。
　　本書共10章，首先從深度學習的基礎概念開始，介紹了神經網絡的基礎知識和深度學習中的優化技術；然後系統地介紹了深度學習中與數據相關的知識，包括經典數據集的設計、數據集的增強以及數據的獲取與整理；接著重點針對圖像開發領域，用3章內容系統地介紹了深度學習在圖像分類、圖像分割和目標檢測3個領域的核心技術與應用，這些內容的講解均結合實戰案例展開；另外，還對深度學習中損失函數的發展、數據和模型的可視化以及模型的壓縮和優化進行了詳細介紹，為讀者設計和訓練更加實用的模型提供了指導；最後以微信小程序平臺為依托，介紹了微信小程序前後端開發技術，完成了深度學習的模型部署，讓本書的內容形成了一個完整的閉環。
　　本書理論與實踐結合，深度與廣度兼具，特別適合深度學習領域的相關技術人員與愛好者閱讀，尤其適合基於深度學習的圖像從業人員閱讀，以全方位瞭解深度學習在圖像領域中的技術全貌。另外，本書還適合作為相關培訓機構的深度學習教材使用。
如何使用好數據？
深度學習的核心優化技術有哪些？
如何做好圖像分類任務？
如何做好圖像分割任務？
如何做好目標檢測任務？
如何對數據和模型進行可視化分析？
如何壓縮和優化一個工業級深度學習模型？
如何理解分類和回歸等任務的損失函數？
如何在微信小程序上部署模型？
……
通過閱讀本書，你將瞭解這些復雜問題背後的原理，甚至你都可以自己解決這些問題。

本書核心知識
理論基礎
神經網絡與捲積神經網絡基礎
捲積神經網絡核心理論技術
開源框架簡介
圖像識別核心知識
數據集的發展與使用
數據和模型可視化
模型壓縮與優化
損失函數
圖像分類
圖像分割
目標檢測
八大經典案例
人臉表情分類
鳥類細粒度分類
人臉屬性分割
人像分割
貓臉檢測
TensorFlow可視化應用
MobileNet語義分割模型壓縮
微信小程序部署