人工智能正在成为全世界产业变革的方向，处于第四次科技革命的核心地位。计算机视觉（Computer Vision）就是利用摄像机、算法和计算资源为人工智能系统按上“眼睛”，让其可以拥有人类的双眼所具有的前景与背景分割、物体识别、目标跟踪、判别决策等功能。计算机视觉系统可以让计算机看见并理解这个世界的“信息”，从而替代人类完成重复性工作。目前计算机视觉领域热门的研究方向有物体检测和识别、语义分割、目标跟踪等。本书围绕着计算机视觉的关键技术，介绍基于深度学习计算机视觉的基础理论及主要算法。本书结合常见的应用场景和项目实例，循序渐进地带领读者进入美妙的计算机视觉世界。本书共分为11章，2~5章介绍计算机视觉的几种关键技术，即图像分类、目标检测、图像分割和目标跟踪，并将这四项关键技术组合完成人工智能的实际应用。本书在6、7章介绍人工智能的两个典型应用：文字检测与识别系统及多任务深度学习系统，第8章介绍一种非常有意思的深度学习网络——对抗生成神经网络，第9章介绍制作训练和测试样本的方法，第10章介绍如何安装TensorFlow、Keras API及相关介绍，第11章介绍综合实验。本书提供了大量项目实例及代码解析，均是基于Python语言及TensorFlow、Keras API的。本教材的每章均配有微课视频，扫描每章的二维码，可观看作者的视频讲解

计算机视觉是人工智能领域的一个重要组成部分，它的主要任务是对采集的图片或视频进行处理以获得相应信息。传统的计算机视觉算法的主要步骤是提取包括边缘、角点、颜色等图像特征，然后利用这些图像特征完成图像处理与机器学习的任务。传统算法的主要问题在于需要告诉系统在图像中寻找哪些图像特性。由于提取图像特征部分是人为设计的，在实现的过程中，对于算法、功能及阈值的更改都需要手工完成，这对高质量的项目实现造成了很大的障碍，而深度学习的出现解决了这一问题。当前，深度学习在处理计算机视觉子任务方面取得了重大进展。深度学习的最大不同之处在于它不再通过精心设计的算法来搜索特定的图像特征，而是通过训练大量的神经网络参数来实现。本书将从计算机视觉的四大关键技术出发，详细介绍基于深度学习的计算机视觉技术的基础理论、主要算法项目实战及代码实现。本书结合常见的人工智能应用场景，循序渐进地带领读者进入美妙的计算机视觉世界。 　　第1章介绍人工智能概述，对人工智能的发展历程及常见的应用案例进行详细介绍；第2章讲解卷积神经网络的基本原理，几种常见的深度卷积神经网络框架，并介绍图像分类的项目实战；第3章主要讲解目标检测的基本原理，几种典型的目标检测算法，并介绍目标检测的项目实战；第4章讲解图像分割的基本原理，几种典型的图像分割算法，结合项目实战使读者进一步理解图像分割算法；第5章介绍目标跟踪的基本原理，几种典型的目标跟踪算法，并通过项目实战介绍目标跟踪算法的实现过程；第6章讲解文字检测与识别系统的基本构成及原理，几种典型的文字检测及识别算法，并通过项目实战进一步介绍文字检测与识别的实现过程；第7章讲解多任务深度学习网络...