在本节中，您将基于从上一节中获得的理解，并开发更新的概念并学习用于动作识别和对象检测的新技术。 在本节中，您将学习不同的 TensorFlow 工具，例如 TensorFlow Hub，TFRecord 和 TensorBoard。 您还将学习如何使用 TensorFlow 开发用于动作识别的机器学习模型。
在本节结束之前，您将能够执行以下操作：
- 理解理论并开发各种动作识别方法（例如 OpenPose，Stacked HourGlass 和 PoseNet）的直觉（第 9 章）
- 分析 OpenPose 和 Stacked HourGlass 代码，以加深对如何构建非常复杂的神经网络以及连接其不同模块的理解。 希望您可以通过这次学习来构建自己的复杂网络（第 9 章）
- 使用 TensorFlow PoseNet 通过网络摄像头进行动作识别（第 9 章）
- 了解各种类型的对象检测器，例如 SSD，R-FCN，更快的 R-CNN 和 MaskR-CNN（第 10 章）。
- 了解如何在 TFRecord 中转换图像和标注文件以输入到 TensorFlow 对象检测 API（第 10 章）
- 了解如何使用自己的图像来使用 TensorFlow 对象检测 API 训练模型并对其进行推理（第 10 章）
- 了解如何使用 TensorFlow 集线器进行对象检测以及如何使用 TensorBoard 可视化训练进度（第 10 章）
- 了解与对象检测相关的 IOU，ROI，RPN 和 ROI 对齐（第 10 章）。
- 了解如何使用 Mask R-CNN 对图像进行分割（第 10 章）
- 了解不同的 OpenCV 以及基于连体网络的对象跟踪方法，并将其用于视频文件（第 10 章）
本节包括以下章节：
- “第 9 章”，“使用多任务深度学习的动作识别”
- “第 10 章”，“使用 R-CNN，SSD 和 R-FCN 进行对象检测”