內容簡介:「本書全面介紹深度電腦視覺的最先進作法，在Keras中建構端到端生產系統，提供經過實戰檢驗的最佳實務解決方案。」
—François Chollet
深度學習研究者和Keras創造者
這本實用指南向您展示了如何使用機器學習模型從影像中淬取資訊。ML工程師和資料科學家將會學習經過驗證的ML技術來解決各種影像問題，包括分類、物件偵測、自編碼器、影像產生、計數和圖說產生。本書卓越的介紹了端到端深度學習：資料集建立、資料前置處理、模型設計、模型訓練、評估、部署和可解釋性。
Google工程師Valliappa Lakshmanan、Martin Görner和Ryan Gillard向您展示了如何開發準確且可解釋的電腦視覺ML模型，並使用強大的ML架構以靈活且可維護的方式將它們投入大規模生產。您將學習如何使用以TensorFlow和Keras編寫的模型進行設計、訓練、評估和預測。
您將學習如何：
‧為電腦視覺任務設計機器學習架構
‧選擇適合您的任務的模型(例如ResNet、SqueezeNet或EfficientNet)
‧建立端到端ML生產線來訓練、評估、部署和解釋您的模型
‧前置處理影像以進行資料擴增進行並支援可學習性
‧納入可解釋性和負責任的AI的最佳實務
‧將影像模型部署為Web服務或在邊緣設備上
‧監控和管理機器學習模型
目錄
章節說明:前言
第1章 電腦視覺之機器學習
第2章 視覺機器學習模型
第3章 影像視覺
第4章 物件偵測與影像分割
第5章 建立視覺資料集
第6章 前置處理
第7章 訓練生產線
第8章 模型品質和持續評估
第9章 模型預測
第10章 生產 ML 的趨勢
第11章 進階視覺問題
第12章 影像和文本產生
後記
索引
章節說明:前言
第1章 電腦視覺之機器學習
第2章 視覺機器學習模型
第3章 影像視覺
第4章 物件偵測與影像分割
第5章 建立視覺資料集
第6章 前置處理
第7章 訓練生產線
第8章 模型品質和持續評估
第9章 模型預測
第10章 生產 ML 的趨勢
第11章 進階視覺問題
第12章 影像和文本產生
後記
索引
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
收藏
二手徵求有驚喜
2024專利防護中