TensorFlow+Android經(jīng)典模型從理論到實戰(zhàn)(微課視頻版)/移動互聯(lián)網(wǎng)開發(fā)技術(shù)叢書
定 價：89.8 元
叢書名：移動互聯(lián)網(wǎng)開發(fā)技術(shù)叢書
- 作者：董相志，曲海平，董飛桐編
- 出版時間：2023/5/1
- ISBN：9787302625414
- 出 版 社：清華大學(xué)出版社
- 中圖法分類：TN929.53
- 頁碼：350
- 紙張：
- 版次：1
- 開本：16開
這是一本以項目為引領(lǐng)、以經(jīng)典模型為主線的面向產(chǎn)業(yè)鏈的實戰(zhàn)化教科書。全書分為九章，包含九個實戰(zhàn)項目。以基于Android手機的智能化應(yīng)用場景為項目目標，采用迭代模式，從基于TensorFlow的智能建模開始，到基于Android的應(yīng)用開發(fā)結(jié)束。模型從訓(xùn)練到部署，設(shè)計周期長，技術(shù)要點多，復(fù)雜度高，工作量大，考驗設(shè)計者的恒心與毅力。
場景無限好，模型來相撐。場景包括一百余種花朵識別、三百余種鳥類識別、美食場景檢測、駕駛場景檢測、人機暢聊、人臉生成、人臉識別、基因序列預(yù)測、蛋白質(zhì)結(jié)構(gòu)預(yù)測。模型包括EfficientNetV1、EfficientNetV2、MobileNetV1～MobileNetV3、EfficientDet、YOLOvl～YOLOv5、Transformer、GAN、Progressive GAN、StyleGAN1～StyleGAN3、VGG-Face、FaceNet、BERT、DenseNetl21、AlphaFold2。
本書聚焦前沿、經(jīng)典，充滿創(chuàng)新與挑戰(zhàn)；全程配備同步教學(xué)視頻，26小時的高密度、大容量精華視頻，讓學(xué)習(xí)變得更簡單。
本書適合作為高階實踐教材、畢業(yè)設(shè)計指導(dǎo)教材、創(chuàng)新創(chuàng)業(yè)訓(xùn)練指導(dǎo)教材、實訓(xùn)實習(xí)指導(dǎo)教材，還適合研究生和工程技術(shù)人員學(xué)習(xí)參考。
第1章 EfficientNetV2與花朵識別
1.1 花伴侶
1.2 技術(shù)路線
1.3 花朵數(shù)據(jù)集
1.4 EfficientNetV解析
1.5 EfficientNetV2解析
1.6 EfficientNetV2建模
1.7 EfficientNetV2訓(xùn)練
1.8 EfficientNetV2評估
1.9 EfficientNet-B7建模
1.10 Web服務(wù)器設(shè)計
1.11 新建Android項目
1.12 Android之網(wǎng)絡(luò)訪問接口
1.13 Android客戶機界面
1.14 Android客戶機邏輯
1.15 聯(lián)合測試
1.16 小結(jié)
1.17 習(xí)題
第2章 MobileNetV3與鳥類識別
2.1 Merlin鳥種識別
2.2 技術(shù)路線
2.3 鳥類數(shù)據(jù)集
2.4 MobileNetV1解析
2.5 MobileNetV2解析
2.6 MobileNetV3解析
2.7 MobileNetV3建模
2.8 MobileNetV3訓(xùn)練
2.9 MobileNetV3評估
2.10 MobileNetV3-Lite版
2.11 添加TFLite模型元數(shù)據(jù)
2.12 新建Android項目
2.13 Android項目配置
2.14 Android界面設(shè)計
2.15 Android邏輯設(shè)計
2.16 Android手機測試
2.17 小結(jié)
2.18 習(xí)題
第3章 EfficientDet與美食場景檢測
3.1 項目動力
3.2 技術(shù)路線
3.3 MakeSense定義標簽
3.4 定義數(shù)據(jù)集
3.5 EfficientDet解析
3.6 EfficientDet-Lite預(yù)訓(xùn)練模型
3.7 美食版EfficientDet-Lite訓(xùn)練
3.8 評估指標mAP
3.9 美食版EfficierLtDet-Lite評估
3.10 美食版EfficientDet-Lite測試
3.11 新建Android項目
3.12 Android界面設(shè)計
3.13 Android邏輯設(shè)計
3.14 Android手機測試
3.15 小結(jié)
3.16 習(xí)題
第4章 YOLOv5與駕駛場景檢測
4.1 項目動力
4.2 駕駛場景檢測
4.3 滑動窗口實現(xiàn)目標檢測
4.4 卷積方法實現(xiàn)滑動窗口
4.5 交并比
4.6 非極大值抑制
4.7 Anchor Boxes
4.8 定義網(wǎng)格標簽
4.9 YOLOv1解析
4.10 YOLOv2解析
4.11 YOLOv3解析
4.12 YOLOv4解析
4.13 YOLOv5解析
4.14 YOLOv5預(yù)訓(xùn)練模型
4.15 駕駛員圖像采集
4.16 用LabelImg定義圖像標簽
4.17 YOLOv5遷移學(xué)習(xí)
4.18 生成YOLOv5-TFLite模型
4.19 在Android上部署YOLOv5
4.20 場景綜合測試
4.21 小結(jié)
4.22 習(xí)題
第5章 Transformer與人機暢聊
5.1 項目動力
5.2 機器問答技術(shù)路線
5.3 騰訊聊天數(shù)據(jù)集
5.4 Transformer模型解析
5.5 機器人項目初始化
5.6 數(shù)據(jù)集預(yù)處理與劃分
5.7 定義Transformar輸入層編碼
5.8 定義Transformar注意力機制
5.9 定義Transformar編碼器
5.10 定義Transformer解碼器
5.11 Transformar模型合成
5.12 模型結(jié)構(gòu)與參數(shù)配置
5.13 學(xué)習(xí)率動態(tài)調(diào)整
5.14 模型訓(xùn)練過程
5.15 損失函數(shù)與準確率曲線
5.16 聊天模型評估與測試
5.17 聊天模型部署到服務(wù)器
5.18 Android項目初始化
5.19 Android聊天界面設(shè)計
5.20 Android聊天邏輯設(shè)計
5.21 客戶機與服務(wù)器聯(lián)合測試
5.22 小結(jié)
5.23 習(xí)題
第6章 StyleGAN與人臉生成
6.1 項目動力
6.2 GAN解析
6.3 Progressive GAN解析
6.4 StyleGAN解析
6.5 StyleGAN2解析
6.6 StvleGAN2-ADA解析
6.7 StyleGAN3解析
6.8 人臉生成測試
6.9 客戶機與服務(wù)器通信邏輯
6.10 人臉生成服務(wù)器
6.11 桌面版客戶機設(shè)計與測試
6.12 新建Android項目
6.13 Android界面設(shè)計
6.14 Android客戶機邏輯設(shè)計
6.15 Android版客戶機測試
6.16 小結(jié)
6.17 習(xí)題
第7章 FaeeNet與人臉識別
7.1 項目動力
7.2 人臉檢測
7.3 人臉活體檢測
7.4 三種方法做人臉檢測
7.5 人臉識別
7.6 人臉數(shù)據(jù)采集
7.7 自定義人臉識別模型
7.8 人臉識別模型訓(xùn)練
7.9 人臉識別模型測試
7.10 VGG-Face人臉識別模型
7.11 VGG-Face門禁檢測
7.12 FaceNet人臉識別模型
7.13 FaceNet服務(wù)器設(shè)計
7.14 Android項目初始化
7.15 Android網(wǎng)絡(luò)訪問接口
7.16 Android界面設(shè)計
7.17 Android客戶機邏輯設(shè)計
7.18 客戶機與服務(wù)器聯(lián)合測試
7.19 活體數(shù)據(jù)采樣
7.20 定義活體檢測模型
7.21 活體檢測模型訓(xùn)練
7.22 活體檢測模型評估
7.23 實時檢測與識別
7.24 小結(jié)
7.25 習(xí)題
第8章 BERT與基因序列預(yù)測
8.1 生物信息學(xué)數(shù)據(jù)庫
8.2 數(shù)據(jù)庫檢索
8.3 序列比對
8.4 多序列比對
8.5 基因增強子
8.6 增強子序列數(shù)據(jù)集
8.7 BERT模型解析
8.8 定義DNA序列預(yù)測模型
8.9 DNA序列特征提取
8.10 DNA序列模型訓(xùn)練
8.11 DNA序列模型評估
8.12 小結(jié)
8.13 習(xí)題
第9章 AlphaFold2與蛋白質(zhì)結(jié)構(gòu)預(yù)測
9.1 歷史突破
9.2 技術(shù)路線
9.3 初識AlphaFold2框架
9.4 數(shù)據(jù)集與特征提取
9.5 Evoformer推理邏輯
9.6 Structure模塊邏輯
9.7
書單推薦
