在本节中，您将基于在上一节中学到的知识来执行复杂的计算机视觉任务，例如视觉搜索，对象检测和神经样式迁移。 您将巩固对神经网络的理解，并使用 TensorFlow 进行许多动手的编码练习。
在本节结束之前，您将能够执行以下操作：
- 对各种神经网络模型有基本的了解，包括 AlexNet，VGG，ResNet，Inception，基于区域的 CNN（RCNN），生成对抗网络（GAN），强化学习和迁移学习（第 5 章）
- 学习一些著名模型用于图像识别和对象检测的技术（第 5 章）
- 使用 Keras 数据生成器和
tf.data将图像及其类别输入到 TensorFlow 模型中（第 6 章） - 使用迁移学习的家具图像开发 TensorFlow 模型，并使用该模型对家具图像进行视觉搜索（第 6 章）
- 对图像执行边界框标注以生成
.xml文件，并将其转换为.txt文件格式，以输入到 YOLO 对象检测器中（第 7 章） - 了解 YOLO 和 RetinaNet 的功能，并学习如何使用 YOLO 检测物体（第 7 章）
- 训练 YOLO 对象检测器并优化其参数以完成训练（第 7 章）
- 使用 TensorFlow DeepLab 执行语义分割，并编写 TensorFlow 代码以在 Google Colab 中进行神经样式迁移（第 8 章）
- 使用 DCGAN 生成人工图像，并使用 OpenCV 进行图像修复（第 8 章）
本节包括以下章节：
- “第 5 章”，“神经网络架构和模型”
- “第 6 章”，“使用迁移学习的视觉搜索”
- “第 7 章”，“使用 YOLO 的对象检测”
- “第 8 章”，“语义分割和神经样式迁移”