本杰明·普朗什（Benjamin Planche），他在计算机视觉和深度学习领域的全球多个研究实验室（法国LIRIS、日本三菱电机和德国西门子）工作超过5年。他的研究重点是针对工业应用使用更少的数据开发更智能的视觉系统。他还在在线平台（例如StackOverflow）上分享自己的知识和经验，或者创建有美感的演示系统。
　　
　　艾略特·安德烈斯（Eliot Andres），深度学习和计算机视觉工程师。他在该领域拥有3年以上的经验，涉及银行、医疗、社交媒体和视频流等行业。他关注的是工业化，即通过将新技术应用于商业问题来实现价值。
　　
　　闫龙川，博士，国家电网有限公司信息通信分公司高级工程师，主要从事电力信息通信系统运行管理工作，研究兴趣包括深度学习、强化学习、自然语言处理、云计算及数据中心管理等。
　　
　　李君婷，硕士，国家电网有限公司大数据中心高级工程师，主要从事电力大数据分析应用、价值挖掘工作，研究兴趣包括金融科技、深度学习、颠覆性创新等。
　　
　　高德荃，博士，国家电网有限公司信息通信分公司高级工程师，主要从事电力信息通信系统运行分析工作，研究兴趣包括机器学习与数据科学、地理空间分析等。

译者序
前言
作者简介
审校者简介

第一部分 TensorFlow 2和应用于计算机视觉的深度学习
第1章 计算机视觉和神经网络
1．1 技术要求
1．2 广义计算机视觉
1．2．1 计算机视觉概述
1．2．2 主要任务及其应用
1．3 计算机视觉简史
1．3．1 迈出成功的第一步
1．3．2 深度学习的兴起
1．4 开始学习神经网络
1．4．1 建立神经网络
1．4．2 训练神经网络
1．5 本章小结
问题
进一步阅读
第2章 TensorFlow基础和模型训练
2．1 技术要求
2．2 TensorFlow 2和Keras入门
2．2．1 TensorFlow
2．2．2 基于Keras的简单计算机视觉模型
2．3 TensorFlow 2和Keras详述
2．3．1 核心概念
2．3．2 高级概念
2．4 TensorFlow生态系统
2．4．1 TensorBoard
2．4．2 TensorFlow插件和扩展
2．4．3 TensorFlowLite和TensorFlow．js
2．4．4 在何处运行模型
2．5 本章小结
问题
第3章 现代神经网络
3．1 技术要求
3．2 卷积神经网络
3．2．1 用于多维数据的神经网络
3．2．2 CNN操作
3．2．3 有效感受野
3．2．4 在TensorFlow中使用CNN
3．3 训练过程微调
3．3．1 现代网络优化器
3．3．2 正则化方法
3．4 本章小结
问题
进一步阅读

第二部分 先进的经典识别问题解决方案
第4章 主流分类工具
4．1 技术要求
4．2 了解高级CNN架构
4．2．1 VGG：CNN的标准架构
4．2．2 GoogLeNet和Inception模块
4．2．3 ResNet：残差网络
4．3 利用迁移学习
4．3．1 概述
4．3．2 基于TensorFlow和Keras的迁移学习
4．4 本章小结
问题
进一步阅读
第5章 目标检测模型
5．1 技术要求
5．2 目标检测介绍
5．2．1 背景
5．2．2 模型的性能评价
5．3 YOLO：快速目标检测算法
5．3．1 YOLO介绍
5．3．2 使用YOLO推理
……

第三部分 高级概念和计算机视觉新进展

附录
参考文献
问题答案