TensorFlow+Android經(jīng)典模型從理論到實(shí)戰(zhàn)(微課視頻版)/移動(dòng)互聯(lián)網(wǎng)開(kāi)發(fā)技術(shù)叢書(shū)
定 價(jià):89.8 元
叢書(shū)名:移動(dòng)互聯(lián)網(wǎng)開(kāi)發(fā)技術(shù)叢書(shū)
- 作者:董相志,曲海平,董飛桐編
- 出版時(shí)間:2023/5/1
- ISBN:9787302625414
- 出 版 社:清華大學(xué)出版社
- 中圖法分類(lèi):TN929.53
- 頁(yè)碼:350
- 紙張:
- 版次:1
- 開(kāi)本:16開(kāi)
這是一本以項(xiàng)目為引領(lǐng)、以經(jīng)典模型為主線的面向產(chǎn)業(yè)鏈的實(shí)戰(zhàn)化教科書(shū)。全書(shū)分為九章,包含九個(gè)實(shí)戰(zhàn)項(xiàng)目。以基于Android手機(jī)的智能化應(yīng)用場(chǎng)景為項(xiàng)目目標(biāo),采用迭代模式,從基于TensorFlow的智能建模開(kāi)始,到基于Android的應(yīng)用開(kāi)發(fā)結(jié)束。模型從訓(xùn)練到部署,設(shè)計(jì)周期長(zhǎng),技術(shù)要點(diǎn)多,復(fù)雜度高,工作量大,考驗(yàn)設(shè)計(jì)者的恒心與毅力。
場(chǎng)景無(wú)限好,模型來(lái)相撐。場(chǎng)景包括一百余種花朵識(shí)別、三百余種鳥(niǎo)類(lèi)識(shí)別、美食場(chǎng)景檢測(cè)、駕駛場(chǎng)景檢測(cè)、人機(jī)暢聊、人臉生成、人臉識(shí)別、基因序列預(yù)測(cè)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。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(shū)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(shí)的高密度、大容量精華視頻,讓學(xué)習(xí)變得更簡(jiǎn)單。
本書(shū)適合作為高階實(shí)踐教材、畢業(yè)設(shè)計(jì)指導(dǎo)教材、創(chuàng)新創(chuàng)業(yè)訓(xùn)練指導(dǎo)教材、實(shí)訓(xùn)實(shí)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(shí)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(píng)估
1.9 EfficientNet-B7建模
1.10 Web服務(wù)器設(shè)計(jì)
1.11 新建Android項(xiàng)目
1.12 Android之網(wǎng)絡(luò)訪問(wèn)接口
1.13 Android客戶機(jī)界面
1.14 Android客戶機(jī)邏輯
1.15 聯(lián)合測(cè)試
1.16 小結(jié)
1.17 習(xí)題
第2章 MobileNetV3與鳥(niǎo)類(lèi)識(shí)別
2.1 Merlin鳥(niǎo)種識(shí)別
2.2 技術(shù)路線
2.3 鳥(niǎo)類(lèi)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(píng)估
2.10 MobileNetV3-Lite版
2.11 添加TFLite模型元數(shù)據(jù)
2.12 新建Android項(xiàng)目
2.13 Android項(xiàng)目配置
2.14 Android界面設(shè)計(jì)
2.15 Android邏輯設(shè)計(jì)
2.16 Android手機(jī)測(cè)試
2.17 小結(jié)
2.18 習(xí)題
第3章 EfficientDet與美食場(chǎng)景檢測(cè)
3.1 項(xiàng)目動(dòng)力
3.2 技術(shù)路線
3.3 MakeSense定義標(biāo)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(píng)估指標(biāo)mAP
3.9 美食版EfficierLtDet-Lite評(píng)估
3.10 美食版EfficientDet-Lite測(cè)試
3.11 新建Android項(xiàng)目
3.12 Android界面設(shè)計(jì)
3.13 Android邏輯設(shè)計(jì)
3.14 Android手機(jī)測(cè)試
3.15 小結(jié)
3.16 習(xí)題
第4章 YOLOv5與駕駛場(chǎng)景檢測(cè)
4.1 項(xiàng)目動(dòng)力
4.2 駕駛場(chǎng)景檢測(cè)
4.3 滑動(dòng)窗口實(shí)現(xiàn)目標(biāo)檢測(cè)
4.4 卷積方法實(shí)現(xiàn)滑動(dòng)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(biāo)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(biāo)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(chǎng)景綜合測(cè)試
4.21 小結(jié)
4.22 習(xí)題
第5章 Transformer與人機(jī)暢聊
5.1 項(xiàng)目動(dòng)力
5.2 機(jī)器問(wèn)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(jī)器人項(xiàng)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(jī)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(dòng)態(tài)調(diào)整
5.14 模型訓(xùn)練過(guò)程
5.15 損失函數(shù)與準(zhǔn)確率曲線
5.16 聊天模型評(píng)估與測(cè)試
5.17 聊天模型部署到服務(wù)器
5.18 Android項(xiàng)目初始化
5.19 Android聊天界面設(shè)計(jì)
5.20 Android聊天邏輯設(shè)計(jì)
5.21 客戶機(jī)與服務(wù)器聯(lián)合測(cè)試
5.22 小結(jié)
5.23 習(xí)題
第6章 StyleGAN與人臉生成
6.1 項(xiàng)目動(dòng)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(cè)試
6.9 客戶機(jī)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(jī)設(shè)計(jì)與測(cè)試
6.12 新建Android項(xiàng)目
6.13 Android界面設(shè)計(jì)
6.14 Android客戶機(jī)邏輯設(shè)計(jì)
6.15 Android版客戶機(jī)測(cè)試
6.16 小結(jié)
6.17 習(xí)題
第7章 FaeeNet與人臉識(shí)別
7.1 項(xiàng)目動(dòng)力
7.2 人臉檢測(cè)
7.3 人臉活體檢測(cè)
7.4 三種方法做人臉檢測(cè)
7.5 人臉識(shí)別
7.6 人臉數(shù)據(jù)采集
7.7 自定義人臉識(shí)別模型
7.8 人臉識(shí)別模型訓(xùn)練
7.9 人臉識(shí)別模型測(cè)試
7.10 VGG-Face人臉識(shí)別模型
7.11 VGG-Face門(mén)禁檢測(cè)
7.12 FaceNet人臉識(shí)別模型
7.13 FaceNet服務(wù)器設(shè)計(jì)
7.14 Android項(xiàng)目初始化
7.15 Android網(wǎng)絡(luò)訪問(wèn)接口
7.16 Android界面設(shè)計(jì)
7.17 Android客戶機(jī)邏輯設(shè)計(jì)
7.18 客戶機(jī)與服務(wù)器聯(lián)合測(cè)試
7.19 活體數(shù)據(jù)采樣
7.20 定義活體檢測(cè)模型
7.21 活體檢測(cè)模型訓(xùn)練
7.22 活體檢測(cè)模型評(píng)估
7.23 實(shí)時(shí)檢測(cè)與識(shí)別
7.24 小結(jié)
7.25 習(xí)題
第8章 BERT與基因序列預(yù)測(cè)
8.1 生物信息學(xué)數(shù)據(jù)庫(kù)
8.2 數(shù)據(jù)庫(kù)檢索
8.3 序列比對(duì)
8.4 多序列比對(duì)
8.5 基因增強(qiáng)子
8.6 增強(qiáng)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(cè)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(píng)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(cè)
9.1 歷史突破
9.2 技術(shù)路線
9.3 初識(shí)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