计算机视觉¶
无论是医疗诊断、无人车、摄像监控还是智能滤镜，计算机视觉领域的诸多应用都与我们当下和未来的生活息息相关。近年来，深度学习技术深刻推动了计算机视觉系统性能的提升。可以说，当下最先进的计算机视觉应用几乎离不开深度学习。
我们在“卷积神经网络”一章中已经介绍了计算机视觉领域常使用的深度学习模型，并实践了简单的图像分类任务。本章中，我们先进一步介绍图像增广（image augmentation）和微调（fine tuning）的方法，并将它们应用于图像分类。然后，我们会探究目标检测（object detection）的各类方法。之后，我们将了解如何使用全卷积网络对图像做语义分割（semantic segmentation）。接下来，我们再解释如何使用样式迁移技术生成像本书封面一样的图像。最后，我们在两个计算机视觉的重要数据集上实践本章和前几章的内容。