Deep Learning for Computer Vision: Image Classification, Object Detection, and Face Recognition in Python

2019年資通產業最熱門的「Buzzword」肯定是「深度學習」吧。毋庸置疑地藉由深度學習強大的演算能力，讓資訊科技得以提供更令人驚豔的服務，「自駕車」、「人臉辨識」、「智能客服」以及數不清的各項運用正在改變產業生態，也在改變這個世界。

從資料中找出特定模式的「機器學習」（更早之前稱為「資料探勘」或最早的「迴歸分析」），其實由來已久，相信很多老IT人會丈二金剛摸不著頭緒，懷疑是否是「舊瓶裝新酒」的行銷炒作風潮。炒作成份當然有，但「深度學習」確實有著不可忽視的「含金量」。

建基在「類神經網路模型」之上的各種「深度學習」演算法，有別於傳統「機器學習」的建模手法，將「特徵擷取」的過程大幅度地（幾乎是全部）假手由算法決定。此舉雖然造成「最終模型」有無法被事後描述解釋的負作用，卻能達成有效解決許多「人工智慧」的精典課題。這些課題都是無法用人力完整條列出處理邏輯（以及分辨那個特徵最重要），包含了「文字辨識」、「圖像辨識」和「語音辨識」。大部份強調AI的新創公司，也多半以這三項應用為核心訴求。

2019年開始接觸「深度學習」以來，讀過「Deep learning 深度學習必讀：Keras 大神帶你用 Python 實作」一書後，已經掌握初步的實作基礎。但針對「圖像辨識」的應用，尚只懂些「圖像分類」的皮毛，缺少更進階的知識、技術。無獨有偶，公司恰好計劃進行「圖像辨識」的研究，在一連串請教「谷哥大神」的資料探索後，讓我找到了「Deep Learning for Computer Vision」這本電子書。其用簡單、明快的範例與程式碼，帶領讀者們進入「圖像分類」、「物件辨識」和「人臉辨識」等電腦視覺應用領域。經由500頁內容的「潛修」，出關之後對於 「深度學習」在圖像處理的範型已經了然於胸，稱上個「略懂」。

個人在閱讀習慣上一直偏好紙本實體書籍，即便電子書有著輕簿不佔空間的優點，也難以撼動紙本書在我心中的地位。然而面對這本「Deep Learning for Computer Vision」，我也不得不放下我（無謂地?）的堅持。因為它只出純電子書！完全就是「內容是王（Content is King）」的典範，讀者們只能乖乖地拿出信用卡付款，下載後好好地吸收這500頁精髓。