本書的內容

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章介紹計算機視覺與深度學習的關系，旨在說明使用深度學習和人工智能實現計算機視覺是未來的發展方向，也是必然趨勢。

第2章介紹Python 3.6+Tensorflow 1.9+OpenCV 3.4.2的環境搭建。Python語言是易用性非常強的語言，可以很方便地將公式和愿景以代碼的形式表達出來，而無須學習過多的編程知識。本章還介紹Python專用類庫threading的使用。這個類庫雖不常見，但會為后文的數據讀取和TensorFlow專用格式的生成打下基礎。

第3章主要介紹Python語言的使用。通過介紹和實現不同的Python類庫，幫助讀者強化Python的編程能力、學習相應類庫。這些都是在后文中反復使用的內容。同時借用掌握的知識學習數據的可視化展示能力（在數據分析中是一項基本技能，具有非常重要的作用）。

第4章全面介紹機器學習的基本分類、算法和理論基礎，以及不同算法（例如回歸算法和決策樹算法）的具體實現和應用。這些是深度學習的基礎理論部分，向讀者透徹而準確地展示深度學習的結構與應用，為后文進一步掌握深度學習在計算機視覺中的應用打下扎實的基礎。

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，因此對圖像數據的讀取、編輯以及加工是重中之重。通過基礎講解和進階介紹，讀者可以掌握這個重要類庫的使用，學會對圖像的裁剪、變換和平移的代碼編寫。

第7~8章是TensorFlow的入門基礎，通過一個娛樂性質的網站向讀者介紹TensorFlow的基本應用，用圖形圖像的方式演示神經網絡進行類別分類的擬合過程，在娛樂的同時了解其背后的技術。

第9章是本書的一個重點，也是神經網絡的基礎內容。本章的反饋算法是解決神經網絡計算量過大的里程碑算法。作者使用通俗易懂的語言，通過詳細嚴謹的講解，對這個算法進行了介紹，并且通過獨立編寫代碼的形式，為讀者實現神經網絡中最重要的算法。本章的內容看起來不多，但是非常重要。

第10章對TensorFlow的數據輸入輸出做了詳細的介紹。從讀取CSV文件開始，到教會讀者制作專用的TensorFlow數據格式TFRecord，這是目前市面上的書籍鮮有涉及的。對于使用TensorFlow框架進行程序編寫，數據的準備和規范化是重中之重，因此本章也是較為重要的一個章節。

第11~12章是應用卷積神經網絡在TensorFlow框架上進行學習的一個基礎教程，經過前面章節的鋪墊和介紹，采用基本理論——卷積神經網絡進行手寫體的辨識是深度學習最基本的技能，也是非常重要的一個學習基礎。并且在程序編寫的過程中，作者向讀者展示了參數調整對模型測試結果的重要作用，這也是目前市面上相關書籍沒有涉及的內容，非常重要。

第13章通過一個完整的例子演示使用卷積神經網絡進行圖像識別的流程。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確率最高的模型。通過對項目每一步的詳細分析，手把手地教會讀者使用卷積神經網絡進行圖像識別。

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習模型做了介紹，這些都是目前深度學習的熱點和研究重點。