人工智能從誕生起已經有 60 多年的歷史,期間受限於計算機軟硬件技術的發展,幾經波折,而在近十年間煥發生機,激發了一繫列智能領域和智能產業的浪潮,並且這股浪潮必定會越發迅猛。 計算機視覺是人工智能主要的發展
方向之一,視覺智能計算技術在機器學習算法、大數據和圖像處理計算硬件三方面的驅動下在眾多領域取得了前所未有的成就,如智能監控、汽車自動駕駛、圖片物體識別、智能相冊、工業瑕疵檢測、人臉識別、智慧醫療和智能交通等。人工智能圖像識別的應用已經滲透人們生產生活的方方面面,改變了人類社會的許多生活方式,所以我們有必要從基礎開始了解、學習並逐步探索這一新興領域的應用基礎。 人工智能是一個可以賦能於各行各業,提升行業運行效率,
降低行業運行成本的前沿技術。 從應用的角度來看,人工智能圖像識別的主要任務是識別和預測;從技術的角度來看,識別和預測正不斷地向著更高精度、更快速度的方向進步,這正是各個行業智能化和精準化的目標。 隨著 5G 大數
據 雲計算 物聯網技術的革新,一個新的數字智能化時代已經到來,人工智能必將成為各行各業技術革新的基石。
本書主要特色包括:在整體知識結構上,本書由淺入深地闡述了人工智能圖像識別的知識體繫,適合沒有接觸過人工智能圖像識別領域的讀者全面了解現代人 工 智 能 應 用 技 術; 在 實 踐 教 學 上, 本 書 采 用 目 前 工 業 應 用 廣 泛 的
TensorFlow 深度學習框架,詳細介紹各個項目步驟,在教學中完成各種實戰案例,具有人工智能應用職業教學的價值;在內容規劃和學習方式上,本書采用知識要點和實踐任務相結合的方式設計,內容與案例層層遞進,引導讀者從理解
知識到熟練運用知識;在文字講述和內容展示上,本書由點及面、圖文並茂、深入淺出地闡述人工智能圖像識別領域的基本知識,力求幫助讀者迅速掌握基礎
概念。
本書共分 10 1 是人工智能與圖像識別,從人工智能和圖像識別導論開始,介紹了人工智能的發展歷程和圖像識別的主要任 2 是認識深度學習開發環境,從服務器硬 件 環 境、深 度 學 習 軟 件 框 架、 Python 和
Anaconda3 環境和 TensorFlow 基礎 4 方面詳細闡述了深度學習開發環境的知 3 是機器學習和深度學習基礎,從機器學習主要任務和算法、深度學習基礎和算法等方面介紹機器學習和深度學習的算法理論基 4 是數據集和預處理,從數據出發,介紹了常見數據集和常見計算機任務數據集以及數Ⅱ 人工智能圖像識別應用基礎據預處理的方 5 8 是圖像識別的核心任務,分別介紹了圖像分
類、目標檢測、圖像分割和圖像生成 4 個圖像識別領域內的主要任務,這部分是人工智能圖像識別的核心課題,也是其他復雜圖像處理任務的基 9 是深度學習模型優化,主要從模型的角度介紹了常用的模型優化方 10 是
深度學習模型部署,分別從邊緣端部署、瀏覽器前端部署和服務器部署 3 個方面詳細展示了深度學習模型在不同生產環境下的部署方法和過程。適合本書學習的對像包括:,打算學習並入門人工智能技術的職業院
校在校學生;第二,在金融、交通、農林牧漁、制造等行業工作且希望應用人工智能解決本行業問題的工程技術人員;第三,已經對人工智能有一定的了解,想要更多、更深入地學習人工智能圖像識別技術的相關人員;第四,信息和計算機科
學愛好者。
本書由張文川、龍翔任主編,由年愛華、何琳、陸益軍任副主編,由中育數據研發團隊共同編寫完成。 由於編者水平有限,加之時間倉促,書中難免存在疏漏和不足之處,懇請讀者批評指正。
編 者
2021 年 8 月