前 言





我們處于一個變革的時代！
給定一個物體，讓一個3歲的小孩描述這個物體是什么似乎是一件非常簡單的事情。然而將同樣的東西放在計(jì)算機(jī)面前，讓它描述自己看到了什么，這在不久以前還是一件不可能的事。
讓計(jì)算機(jī)學(xué)會看東西是一個專門的學(xué)科計(jì)算機(jī)視覺正在做的工作。借助于人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的發(fā)展，近年來計(jì)算機(jī)視覺在研究上取得了重大的突破。通過模擬生物視覺所構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型在圖像識別和分類上取得了非常好的效果。
而今，借助于深度學(xué)習(xí)技術(shù)的發(fā)展，使用人工智能去處理常規(guī)勞動，理解語音語義，幫助醫(yī)學(xué)診斷和支持基礎(chǔ)科研工作，這些曾經(jīng)是夢想的東西似乎都在眼前。
寫作本書的原因
TensorFlow作為最新的、應(yīng)用范圍最為廣泛的深度學(xué)習(xí)開源框架引起了廣泛的關(guān)注，吸引了大量程序設(shè)計(jì)和開發(fā)人員進(jìn)行相關(guān)內(nèi)容的學(xué)習(xí)與開發(fā)。掌握TensorFlow編程基本技能的程序設(shè)計(jì)人員成為當(dāng)前各組織和單位熱切追求的最熱門人才之一。他們的主要工作就是利用獲得的數(shù)據(jù)集設(shè)計(jì)不同的人工神經(jīng)模型，利用人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力提取和挖掘數(shù)據(jù)集中包含的潛在信息，編寫相應(yīng)的TensorFlow程序?qū)��?shù)據(jù)進(jìn)行處理，對其價(jià)值進(jìn)行進(jìn)一步開發(fā)，為商業(yè)機(jī)會的獲取、管理模式的創(chuàng)新、決策的制定提供相應(yīng)的支持。隨著越來越多的組織、單位對深度學(xué)習(xí)應(yīng)用的重視，高層次的TensorFlow程序設(shè)計(jì)人員將會成為就業(yè)市場上搶手的人才。
與其他應(yīng)用框架不同的是，TensorFlow并不是一個簡單的編程框架，深度學(xué)習(xí)也不是一個簡單的名詞，需要相關(guān)研究人員對隱藏在其代碼背后的理論進(jìn)行系統(tǒng)學(xué)習(xí)、掌握一定的數(shù)學(xué)知識和理論基礎(chǔ)。本書的作者具有長期一線理科理論教學(xué)經(jīng)驗(yàn)，可以將其中的理論知識以非常淺顯易懂的語言描述出來。這一點(diǎn)是市面上相關(guān)書籍無法比擬的。
本書是為了滿足廣大TensorFlow程序設(shè)計(jì)和開發(fā)人員學(xué)習(xí)最新TensorFlow程序代碼的要求而出版的。書中對涉及深度學(xué)習(xí)的結(jié)構(gòu)與編程代碼做了循序漸進(jìn)的介紹與說明，以解決實(shí)際圖像處理為依托，從理論開始介紹TensorFlow OpenCV程序設(shè)計(jì)模式，多角度、多方面地對其中的原理和實(shí)現(xiàn)提供翔實(shí)的分析，同時結(jié)合實(shí)際案例編寫的應(yīng)用程序設(shè)計(jì)可以使讀者從開發(fā)者的層面掌握TensorFlow程序的設(shè)計(jì)方法和技巧、為開發(fā)出更強(qiáng)大的圖像處理應(yīng)用打下扎實(shí)的基礎(chǔ)。
本書的優(yōu)勢
（1）本書偏重于介紹使用卷積神經(jīng)網(wǎng)絡(luò)及其相關(guān)變化的模型，在TensorFlow框架上進(jìn)行圖像特征提取、圖像識別以及具體應(yīng)用，這是目前已出版圖書中鮮有涉及的。
（2）本書并非枯燥的理論講解，而是作者閱讀和參考了大量最新文獻(xiàn)做出的歸納總結(jié)，在這點(diǎn)上也與其他編程書籍有本質(zhì)區(qū)別。書中的例子都是來自于現(xiàn)實(shí)世界中對圖像分辨和特征的競賽優(yōu)勝模型，通過介紹這些例子可以使讀者更深一步地了解和掌握其內(nèi)在的算法和本質(zhì)。
（3）本書作者有長期研究生和本科教學(xué)經(jīng)驗(yàn)，通過通俗易懂的語言對全部內(nèi)容進(jìn)行講解，深入淺出地介紹反饋神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)理論體系的全部知識點(diǎn)，并在程序編寫時使用官方推薦的TensorFlow最新框架進(jìn)行程序設(shè)計(jì)，幫助讀者更好地使用最新的模型框架、理解和掌握TensorFlow程序設(shè)計(jì)的精妙之處。
（4）掌握和使用深度學(xué)習(xí)的人才應(yīng)該在掌握基本知識和理論的基礎(chǔ)上，重視實(shí)際應(yīng)用程序開發(fā)能力和解決問題能力的培養(yǎng)。因此，本書結(jié)合作者在實(shí)際工作中遇到的實(shí)際案例進(jìn)行分析，抽象化核心模型并給出具體解決方案，并提供了全部程序例題的相應(yīng)代碼以供讀者學(xué)習(xí)。
本書的內(nèi)容
本書共分為13章，所有代碼均采用Python語言（TensorFlow框架推薦使用的語言）編寫。
第1章介紹計(jì)算機(jī)視覺與深度學(xué)習(xí)的關(guān)系，旨在說明使用深度學(xué)習(xí)和人工智能實(shí)現(xiàn)計(jì)算機(jī)視覺是未來的發(fā)展方向，也是必然趨勢。
第2章介紹Python 3.6 Tensorflow 1.9 OpenCV 3.4.2的環(huán)境搭建。Python語言是易用性非常強(qiáng)的語言，可以很方便地將公式和愿景以代碼的形式表達(dá)出來，而無須學(xué)習(xí)過多的編程知識。本章還介紹Python專用類庫threading的使用。這個類庫雖不常見，但會為后文的數(shù)據(jù)讀取和TensorFlow專用格式的生成打下基礎(chǔ)。
第3章主要介紹Python語言的使用。通過介紹和實(shí)現(xiàn)不同的Python類庫，幫助讀者強(qiáng)化Python的編程能力、學(xué)習(xí)相應(yīng)類庫。這些都是在后文中反復(fù)使用的內(nèi)容。同時借用掌握的知識學(xué)習(xí)數(shù)據(jù)的可視化展示能力（在數(shù)據(jù)分析中是一項(xiàng)基本技能，具有非常重要的作用）。
第4章全面介紹機(jī)器學(xué)習(xí)的基本分類、算法和理論基礎(chǔ)，以及不同算法（例如回歸算法和決策樹算法）的具體實(shí)現(xiàn)和應(yīng)用。這些是深度學(xué)習(xí)的基礎(chǔ)理論部分，向讀者透徹而準(zhǔn)確地展示深度學(xué)習(xí)的結(jié)構(gòu)與應(yīng)用，為后文進(jìn)一步掌握深度學(xué)習(xí)在計(jì)算機(jī)視覺中的應(yīng)用打下扎實(shí)的基礎(chǔ)。
第5~6章是對OpenCV類庫（Python中專門用于圖像處理的類庫）使用方法的介紹。本書以圖像處理為重點(diǎn)，因此對圖像數(shù)據(jù)的讀取、編輯以及加工是重中之重。通過基礎(chǔ)講解和進(jìn)階介紹，讀者可以掌握這個重要類庫的使用，學(xué)會對圖像的裁剪、變換和平移的代碼編寫。
第7~8章是TensorFlow的入門基礎(chǔ)，通過一個娛樂性質(zhì)的網(wǎng)站向讀者介紹TensorFlow的基本應(yīng)用，用圖形圖像的方式演示神經(jīng)網(wǎng)絡(luò)進(jìn)行類別分類的擬合過程，在娛樂的同時了解其背后的技術(shù)。
第9章是本書的一個重點(diǎn)，也是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)內(nèi)容。本章的反饋算法是解決神經(jīng)網(wǎng)絡(luò)計(jì)算量過大的里程碑算法。作者使用通俗易懂的語言，通過詳細(xì)嚴(yán)謹(jǐn)?shù)闹v解，對這個算法進(jìn)行了介紹，并且通過獨(dú)立編寫代碼的形式，為讀者實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)中最重要的算法。本章的內(nèi)容看起來不多，但是非常重要。
第10章對TensorFlow的數(shù)據(jù)輸入輸出做了詳細(xì)的介紹。從讀取CSV文件開始，到教會讀者制作專用的TensorFlow數(shù)據(jù)格式TFRecord，這是目前市面上的書籍鮮有涉及的。對于使用TensorFlow框架進(jìn)行程序編寫，數(shù)據(jù)的準(zhǔn)備和規(guī)范化是重中之重，因此本章也是較為重要的一個章節(jié)。
第11~12章是應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)在TensorFlow框架上進(jìn)行學(xué)習(xí)的一個基礎(chǔ)教程，經(jīng)過前面章節(jié)的鋪墊和介紹，采用基本理論卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫體的辨識是深度學(xué)習(xí)最基本的技能，也是非常重要的一個學(xué)習(xí)基礎(chǔ)。并且在程序編寫的過程中，作者向讀者展示了參數(shù)調(diào)整對模型測試結(jié)果的重要作用，這也是目前市面上相關(guān)書籍沒有涉及的內(nèi)容，非常重要。
第13章通過一個完整的例子演示使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別的流程。例子來自于ImageNet圖像識別競賽，所采用的模型也是比賽中獲得準(zhǔn)確率最高的模型。通過對項(xiàng)目每一步的詳細(xì)分析，手把手地教會讀者使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別。
除此之外，全書對于目前圖像識別最流行和取得最好成績的深度學(xué)習(xí)模型做了介紹，這些都是目前深度學(xué)習(xí)的熱點(diǎn)和研究重點(diǎn)。
本書的特點(diǎn)
? 本書不是純粹的理論知識介紹，也不是高深技術(shù)研討，完全是從實(shí)踐應(yīng)用出發(fā)，用最簡單的、典型的示例引申出核心知識，最后還指出了通往高精尖進(jìn)一步深入學(xué)習(xí)的道路。
? 本書沒有深入介紹某一個知識塊，而是全面介紹TensorFlow OpenCV涉及的圖像處理的基本結(jié)構(gòu)和上層程序設(shè)計(jì)方法，借此能夠系統(tǒng)綜合性地掌握深度學(xué)習(xí)的全貌，使讀者在學(xué)習(xí)過程中不至于迷失方向。
? 本書在寫作上淺顯易懂，沒有深奧的數(shù)學(xué)知識，采用較為形象的形式，用大量圖像例子描述應(yīng)用的理論知識，讓讀者在輕松愉悅的閱讀下掌握相關(guān)內(nèi)容。
? 本書旨在引導(dǎo)讀者進(jìn)行更多技術(shù)上的創(chuàng)新，每章都會用示例描述的形式幫助讀者更好地理解本章的學(xué)習(xí)內(nèi)容。
? 本書代碼遵循重構(gòu)原理，避免代碼污染，真心希望讀者能寫出優(yōu)秀、簡潔、可維護(hù)的代碼。
示例代碼下載
本書配套的示例代碼下載地址可以通過掃描右邊二維碼獲取。
如果下載有問題，或者對本書有疑問和建議，請聯(lián)系booksaga@163.com，郵件主題為OpenCV TensorFlow。

本書適合人群
本書適合于學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、計(jì)算機(jī)視覺以及TensorFlow程序設(shè)計(jì)等相關(guān)技術(shù)的程序設(shè)計(jì)人員閱讀，也可以作為高等院校和培訓(xùn)學(xué)校相關(guān)專業(yè)的教材。建議在學(xué)習(xí)本書的過程中，理論聯(lián)系實(shí)際，獨(dú)立進(jìn)行一些代碼編寫，采取開放式的實(shí)驗(yàn)方法，即讀者自行準(zhǔn)備實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)環(huán)境，解決實(shí)際問題。
本書作者
本書作者現(xiàn)為高校計(jì)算機(jī)專業(yè)副教授，擔(dān)負(fù)數(shù)據(jù)挖掘、Java程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)等多項(xiàng)本科及研究生課程，研究方向?yàn)閿?shù)據(jù)倉庫與數(shù)據(jù)挖掘、人工智能、機(jī)器學(xué)習(xí)，在研和參研多項(xiàng)科研項(xiàng)目。本書在寫作過程中得到了家人的大力支持，在此對他們表示感謝。
以盡致的文字、嚴(yán)密的邏輯、合時的題材、豐富的內(nèi)涵服務(wù)社會，是作者編寫本書的宗旨。但因認(rèn)識局限，不足之處還望大家多多指正。





王曉華
2018年10月