TENSORFLOW+ANDROID经典模型从理论到实战(微课视频版)

1星价 ¥62.9 (7.0折)

2星价￥62.9 定价￥89.8

作者：董相志、曲海平、董飞桐

出版社：清华大学出版社

本类榜单：计算机/网络

分类：计算机/网络 > 网络与数据通信

暂无评论

图文详情

ISBN：9787302625414
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：其他
页数：350
出版时间：2023-05-01
条形码：9787302625414 ; 978-7-302-62541-4

本书特色

从应用选择的角度看，八个主题脉络依次是：一百余种花、三百余种鸟、美食场景、驾驶场景、人机聊天、人脸生成、活体检测、结构预测。从技术路线的角度看，八个经典模型依次是： EfficientNetV2、MobileNetV3、EfficientDet、YOLOV5、Transformer、StyleGAN2、FaceNet、AlphaFold2 。本书有难度、有高度，聚焦前沿，把握热点，可用做毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，适合研究生和工程技术人员学习参考。

内容简介

这是一本以项目为引领、以经典模型为主线的面向产业链的实战化教科书。全书分为九章，包含九个实战项目。以基于Android手机的智能化应用场景为项目目标，采用迭代模式，从基于TensorFlow的智能建模开始，到基于Android的应用开发结束。模型从训练到部署，设计周期长，技术要点多，复杂度高，工作量大，考验设计者的恒心与毅力。场景无限好，模型来相撑。场景包括一百余种花朵识别、三百余种鸟类识别、美食场景检测、驾驶场景检测、人机畅聊、人脸生成、人脸识别、基因序列预测、蛋白质结构预测。模型包括EfficientNetV1、EfficientNetV2、MobileNetV1~MobileNetV3、EfficientDet、YOLOv1~YOLOv5、Transformer、GAN、Progressive GAN、StyleGAN1~StyleGAN3、VGGFace、FaceNet、BERT、DenseNet121、AlphaFold2。本书聚焦前沿、经典，充满创新与挑战；全程配备同步教学视频，26小时的高密度、大容量精华视频，让学习变得更简单。本书适合作为高阶实践教材、毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，还适合研究生和工程技术人员学习参考。

第1章 EfficientNetV2与花朵识别
1.1 花伴侣
1.2 技术路线
1.3 花朵数据集
1.4 EfficientNetV解析
1.5 EfficientNetV2解析
1.6 EfficientNetV2建模
1.7 EfficientNetV2训练
1.8 EfficientNetV2评估
1.9 EfficientNet-B7建模
1.10 Web服务器设计
1.11 新建Android项目
1.12 Android之网络访问接口
1.13 Android客户机界面
1.14 Android客户机逻辑
1.15 联合测试
1.16 小结
1.17 习题
第2章 MobileNetV3与鸟类识别
2.1 Merlin鸟种识别
2.2 技术路线
2.3 鸟类数据集
2.4 MobileNetV1解析
2.5 MobileNetV2解析
2.6 MobileNetV3解析
2.7 MobileNetV3建模
2.8 MobileNetV3训练
2.9 MobileNetV3评估
2.10 MobileNetV3-Lite版
2.11 添加TFLite模型元数据
2.12 新建Android项目
2.13 Android项目配置
2.14 Android界面设计
2.15 Android逻辑设计
2.16 Android手机测试
2.17 小结
2.18 习题
第3章 EfficientDet与美食场景检测
3.1 项目动力
3.2 技术路线
3.3 MakeSense定义标签
3.4 定义数据集
3.5 EfficientDet解析
3.6 EfficientDet-Lite预训练模型
3.7 美食版EfficientDet-Lite训练
3.8 评估指标mAP
3.9 美食版EfficierLtDet-Lite评估
3.10 美食版EfficientDet-Lite测试
3.11 新建Android项目
3.12 Android界面设计
3.13 Android逻辑设计
3.14 Android手机测试
3.15 小结
3.16 习题
第4章 YOLOv5与驾驶场景检测
4.1 项目动力
4.2 驾驶场景检测
4.3 滑动窗口实现目标检测
4.4 卷积方法实现滑动窗口
4.5 交并比
4.6 非极大值抑制
4.7 Anchor Boxes
4.8 定义网格标签
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预训练模型
4.15 驾驶员图像采集
4.16 用LabelImg定义图像标签
4.17 YOLOv5迁移学习
4.18 生成YOLOv5-TFLite模型
4.19 在Android上部署YOLOv5
4.20 场景综合测试
4.21 小结
4.22 习题
第5章 Transformer与人机畅聊
5.1 项目动力
5.2 机器问答技术路线
5.3 腾讯聊天数据集
5.4 Transformer模型解析
5.5 机器人项目初始化
5.6 数据集预处理与划分
5.7 定义Transformar输入层编码
5.8 定义Transformar注意力机制
5.9 定义Transformar编码器
5.10 定义Transformer解码器
5.11 Transformar模型合成
5.12 模型结构与参数配置
5.13 学习率动态调整
5.14 模型训练过程
5.15 损失函数与准确率曲线
5.16 聊天模型评估与测试
5.17 聊天模型部署到服务器
5.18 Android项目初始化
5.19 Android聊天界面设计
5.20 Android聊天逻辑设计
5.21 客户机与服务器联合测试
5.22 小结
5.23 习题
第6章 StyleGAN与人脸生成
6.1 项目动力
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 人脸生成测试
6.9 客户机与服务器通信逻辑
6.10 人脸生成服务器
6.11 桌面版客户机设计与测试
6.12 新建Android项目
6.13 Android界面设计
6.14 Android客户机逻辑设计
6.15 Android版客户机测试
6.16 小结
6.17 习题
第7章 FaeeNet与人脸识别
7.1 项目动力
7.2 人脸检测
7.3 人脸活体检测
7.4 三种方法做人脸检测
7.5 人脸识别
7.6 人脸数据采集
7.7 自定义人脸识别模型
7.8 人脸识别模型训练
7.9 人脸识别模型测试
7.10 VGG-Face人脸识别模型
7.11 VGG-Face门禁检测
7.12 FaceNet人脸识别模型
7.13 FaceNet服务器设计
7.14 Android项目初始化
7.15 Android网络访问接口
7.16 Android界面设计
7.17 Android客户机逻辑设计
7.18 客户机与服务器联合测试
7.19 活体数据采样
7.20 定义活体检测模型
7.21 活体检测模型训练
7.22 活体检测模型评估
7.23 实时检测与识别
7.24 小结
7.25 习题
第8章 BERT与基因序列预测
8.1 生物信息学数据库
8.2 数据库检索
8.3 序列比对
8.4 多序列比对
8.5 基因增强子
8.6 增强子序列数据集
8.7 BERT模型解析
8.8 定义DNA序列预测模型
8.9 DNA序列特征提取
8.10 DNA序列模型训练
8.11 DNA序列模型评估
8.12 小结
8.13 习题
第9章 AlphaFold2与蛋白质结构预测
9.1 历史突破
9.2 技术路线
9.3 初识AlphaFold2框架
9.4 数据集与特征提取
9.5 Evoformer推理逻辑
9.6 Structure模块逻辑
9.7