计算机视觉有多先进？开一开特斯拉就知道了。深度学习技术已在人脸识别、交互式仿真和医学成像方面取得令人兴奋的突破，但最让人心潮澎湃的当属自动驾驶技术。如今，自动驾驶的汽车已经能在高速路上畅意驰骋并对各种复杂路况做出灵活反应了。
计算机如何“理解”它所“看到”的东西？本书试图将深度学习应用于计算机视觉以回答该问题。本书仅用高中代数知识阐明视觉直觉背后的概念。你将了解如何使用深度学习架构来构建视觉系统应用程序，以实现图像生成和人脸识别功能。
主要内容：
图像分类和目标检测；
先进的深度学习架构；
迁移学习与生成对抗网络；
DeepDream和神经风格迁移；
视觉嵌入和图像搜索。
阅读门槛：
本书适用于Python中级程序员。

穆罕默德·埃尔根迪（Mohamed Elgendy）是Rakuten（乐天）公司的工程副总裁。作为一名经验丰富的人工智能专家，他曾就职于Amazon和Twilio并致力于AI产品的构建和管理。

第Ⅰ部分 深度学习基础
第1章 计算机视觉概述
1.1 计算机视觉
1.1.1 视觉感知的定义
1.1.2 视觉系统
1.1.3 感知设备
1.1.4 解译设备
1.2 CV应用
1.2.1 图像分类
1.2.2 目标检测与定位
1.2.3 生成艺术（风格迁移）
1.2.4 图像生成
1.2.5 人脸识别
1.2.6 图片推荐系统
1.3 计算机视觉管道概览
1.4 图像输入
1.4.1 图像的函数表达
1.4.2 计算机读取图像
l.4.3 彩色图像
1.5 图像处理
1.6 特征提取
1.6.1 计算机视觉中特征的定义
1.6.2 有用特征的定义
1.6.3 手动与自动的特征提取
1.7 分类器学习算法
1.8 本章小结
第2章 深度学习和神经网络
2.1 理解感知机
2.1.1 感知机的定义
2.1.2 感知机的学习机制
2.1.3 单层感知机的局限性
2.2 多层感知机
2.2.1 多层感知机架构
2.2.2 关于隐藏层
2.2.3 隐藏层的设计
2.2.4 本节内容拓展
2.3 激活函数
2.3.1 线性转移函数
2.3.2 heaviside阶跃函数（二元分类器）
2.3.3 sigmoid/logistic函数
2.3.4 softmax函数
2.3.5 双曲正切函数（tanh）
2.3.6 修正线性单元（ReLU）
2.3.7 Leaky ReLU
2.4 前馈过程
2.4.1 前馈计算
2.4.2 特征学习
2.5 误差函数
2.5.1 误差函数的定义
2.5.2 误差函数的意义
2.5.3 误差为正的必要性
2.5.4 均方误差损失函数
……
第Ⅱ部分 图像分类和检测
第Ⅲ部分 生成模型与视觉嵌入
参考文献
附录A