深度學習圖像識別技術:基於 TensorFlow Object Detection API 和 OpenVINO™ 工具套件

莊建;張晶;許鈺雯

下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

《深度學習圖像識別技術:基於TensorFlow Object Detection API和OpenVINO工具套件》
首先講述了人工智能、深度學習、卷積神經網絡、目標檢測以及遷移學習的概念,
接著詳述瞭如何基於TensorFlow Object Detection API框架從零開始搭建深度學習目標檢測應用的開發環境,
如何訓練自己的目標檢測模型,然後詳述瞭如何基於OpenVINO工具套件優化模型、
部署模型以及用C++和Python開髮用戶應用程序。
然後通過工業光學字符自動識別、垃圾瓶自動分選、農作物病害自動識別和工業產品外觀缺陷檢測4個完整的
深度學習目標檢測工程案例來幫助讀者加深深度學習圖形檢測的認識和理解。

《深度學習圖像識別技術:基於TensorFlow Object Detection API和OpenVINO工具套件》
適合從事AI行業相關技術的工程師閱讀,也適合打算進入AI行業的大中專院校的學生學習參考

作者簡介

莊建

莊建,中國科學院高能物理研究所研究員,核探測與核電子國家重點實驗室成員。
參與了北京自由電子激光、北京正負電子對撞機、中國散裂中子源等多項大科學裝置的建設。
現在主要從事大科學裝置的實驗控制及數據獲取方面的研究。

張晶

浙江大學碩士,廣東榮旭智能技術有限公司研發總監,聯合創始人;
具有13年機器視覺系統開發經驗,負責深度學習外觀檢測算法的研發;
LabVIEW註冊構架師、Python程序員、英特爾物聯網創新大使、TensorFlow User Group東莞站組織者。

許鈺雯

女,現為中國科學院大學高能物理研究所電子與通信工程專業碩士研究生,
主攻方向為軟件工程及深度學習應用。

目錄大綱


前言

第1章人工智能、深度學習與目標檢測
1.1人工智能簡介
1.1.1什麼是人工智能
1.1.2人工智能發展簡史
1.1.3人工智能與深度學習的關係
1.2深度學習簡介
1.2.1神經網絡
1.2.2神經元
1.2.3深度神經網絡
1.2.4深度卷積神經網絡
1.3目標檢測
1.3.1目標檢測算法發展簡史
1.3.2深度學習目標檢測算法
1.4遷移學習簡介
1.4.1訓練深度學習模型依賴大數據
1.4.2大數據造成的問題
1.4.3遷移學習
1.4.4 TensorFlow預訓練模型庫
1.5本章小結

第2章搭建深度學習開發環境
2.1深度學習訓練所需的硬件
2.1.1英偉達顯卡選型
2.1.2英偉達顯卡驅動安裝
2.1.3測試驅動程序安裝
2.1.4設置英特爾?集成顯卡為系統主顯示輸出
2.1.5幻影峽谷:便攜式AI訓練“服務器”
2.2深度學習開發環境所需的軟件
2.3安裝Python和Anaconda
2.3.1 Python和Anaconda簡介
2.3.2下載並安裝Anaconda
2.3.3測試Anaconda安裝
2.3.4配置Anaconda軟件包下載服務器
2.3.5配置虛擬環境tf_gpu
2.3.6 Anaconda的進階學習
2.4安裝Visual Studio Code
2.4 .1 Visual Studio Code簡介
2.4.2安裝
2.4.3在Visual Studio Code中編輯Python代碼
2.4.4在Visual Studio Code中運行Python代碼
2.4.5在Visual Studio Code中調試Python代碼
2.4.6在Visual Studio Code安裝Pylint
2.4.7在Visual Studio Code中一鍵美化Python代碼
2.5安裝TensorFlow
2.5.1 TensorFlow簡介
2.5.2下載並安裝
2.5.3測試安裝
2.5.4 pip install與conda install
2.6安裝Git工具
2.6.1 Git簡介
2.6.2下載並安裝
2.6.3測試安裝
2.7安裝TensorFlow Object Detection API框架
2.7.1 TensorFlow Object Detection API簡介
2.7.2下載並安裝
2.7.3安裝依賴的python軟件包
2.7.4配置環境變量
2.7.5安裝COCO API
2.7.6編譯proto文件
2.7. 7測試安裝
2.8安裝LabelImg
2.8.1 LabelImg簡介
2.8.2下載並安裝
2.8.3測試安裝
2.9本章小結

第3章訓練模型
3.1 TensorFlow Object Detection API軟件框架簡介
3.2使用TensorFlow預訓練模型
3.2.1如何選擇預訓練模型
3.2.2預訓練模型的文件構成
3.2.3一個典型的深度學習訓練流程
3.3準備圖片:下載貓狗數據集
3.3.1 Kaggle數據集下載流程
3.3.2訓練圖片的數量問題
3.3.3訓練圖片的樣本不平衡問題
3.4使用LabelImg標註圖片
3.4.1 LabelImg簡介
3.4.2建立貓狗項目文件夾結構
3.4.3標註圖片
3.4.4標註文件(*.xml)簡介
3.4.5複製10%的數據到eval文件夾
3.4.6複製數據到test文件夾
3.5依據標註類型創建標籤映射文件
3.6創建TensorFlow TFRecord文件
3.6.1將*.xml文件轉換為*.csv文件
3.6.2將*.csv文件轉換為*.tfrecord文件
3.7修改預訓練模型的配置文件
3.7.1預訓練模型的配置文件
3.7.2配置文件的結構
3.7.3修改ssd_inception_v2_coco.config配置文件
3.8訓練模型
3.9使用TensorBoard觀察訓練過程
3.9.1什麼是TensorBoard
3.9.2 TensorBoard的使用方法
3.10評估訓練好的模型
3.11導出訓練好模型的凍結圖
3.11.1檢查點文件
3.11.2凍結TensorFlow模型
3.12用訓練好的凍結圖模型做目標檢測
3.13用Python程序一鍵訓練模型
3.13.1為新項目一鍵創建文件夾結構
3.13.2一鍵訓練模型
3.14本章小結

第4章優化並部署模型
4.1 OpenVINO工具套件簡介
4.2 OpenVINO典型開發流程
4.3安裝OpenVINO工具套件
4.3.1版本選擇
4.3.2系統要求
4.3.3下載並安裝OpenVINO工具套件
4.4安裝Cmake
4.5安裝Microsoft Visual Studio 2017
4.6安裝硬件驅動
4.6.1英特爾顯卡驅動
4.6.2英特爾神經計算棒二代驅動
4.6.3英特爾視覺計算加速卡驅動
4.7設置環境變量
4.8運行演示程序
4.8.1 demo_benchmark_app.bat
4.8.2 demo_security_barrier_camera.bat
4.8.3 demo_squeezenet_download_convert_run.bat
4.9編譯並運行Inference Engine範例和演示程序
4.9.1編譯samples文件夾中的範例
4.9.2編譯demos文件夾中的範例
4.9.3從Open Model Zoo中下載預訓練模型
4.9.4下載英特爾?範例視頻
4.9. 5運行預訓練模型
4.10使用Model Optimizer優化模型
4.10.1轉換TensorFlow* Object Detection API模型
4.10.2用OpenVINO工具套件範例程序測試IR模型
4.10.3用OpenVINO工具套件演示程序測試IR模型
4.11編寫OpenVINO應用程序
4.11.1 Inference Engine簡介
4.11.2 Inference Engine Plugin構架
4.11.3 Inference Engine應用程序典型開發流程
4.11.4查看模型的輸入和輸出張量
4.12 OpenVINO AI推理計算C++範例
4.12.1設置環境變量和Visual Studio項目屬性
4.12.2開發AI推理計算C++應用程序
4.12.3切換AI推理計算硬件
4.13 OpenVINO AI推理計算Python範例
4.13.1設置環境變量PYTHONPATH
4.13.2開發AI推理計算Python應用程序(OpenCV版)
4.13.3開發AI推理計算Python應用程序(OpenVINOTM版)
4.13.4 AI推理計算用Python還是C++?
4.14本章小結

第5章進一步提升AI推理計算性能
5.1性能評價指標
5.2同步和異步模式
5.2.1同步模式範例
5.2.2異步模式範例
5.3多設備和異構插件
5.3.1異構插件
5.3.2多設備插件
5.4本章小結

第6章工業領域光學字符識別範例
6.1項目背景
6.2新建OCR項目工程文件夾
6.3收集並標註圖片
6.4訓練模型
6.5導出TensorFlow凍結圖模型
6.6測試模型
6.7基於OpenVINO工具套件優化並加速模型
6.8基於OpenVINO工具套件部署模型
6.9本章小結

第7章垃圾瓶自動分選項目範例
7.1項目背景
7.2新建垃圾瓶分類項目工程文件夾
7.3收集並標註圖片
7.4訓練模型
7.5導出TensorFlow凍結圖模型
7.6測試模型
7.7基於OpenVINO工具套件優化並加速模型
7.8基於OpenVINO工具套件部署模型
7.9本章小結

第8章農作物病蟲害自動識別項目範例
8.1項目背景
8.2新建農作物病蟲害自動識別項目工程文件夾
8.3收集並標註圖片
8.4訓練模型
8.5導出TensorFlow凍結圖模型
8.6測試模型
8.7基於OpenVINO工具套件優化並加速模型
8.8基於OpenVINO工具套件部署模型
8.9本章小結

第9章深度學習外觀缺陷檢測項目範例
9.1項目背景
9.2新建外觀缺陷檢測項目工程文件夾
9.3收集並標註圖片
9.4訓練模型
9.5導出TensorFlow凍結圖模型
9.6測試模型
9.7基於OpenVINO工具套件優化並加速模型
9.8基於OpenVINO工具套件部署模型
9.9本章小結

參考文獻