TensorFlow + Android 經典模型從理論到實戰 (微課視頻版)

這是一本以項目為引領、以經典模型為主線的面向產業鏈的實戰化教科書。全書分為九章，包含九個實戰項目。以基於Android手機的智能化應用場景為項目目標，採用迭代模式，從基於TensorFlow的智能建模開始，到基於Android的應用開發結束。模型從訓練到部署，設計周期長，技術要點多，復雜度高，工作量大，考驗設計者的恆心與毅力。 場景無限好，模型來相撐。場景包括一百餘種花朵識別、三百餘種鳥類識別、美食場景檢測、駕駛場景檢測、人機暢聊、人臉生成、人臉識別、基因序列預測、蛋白質結構預測。模型包括EfficientNetV1、EfficientNetV2、MobileNetV1~MobileNetV3、EfficientDet、YOLOv1~YOLOv5、Transformer、GAN、Progressive GAN、StyleGAN1~StyleGAN3、VGGFace、FaceNet、BERT、DenseNet121、AlphaFold2。 本書聚焦前沿、經典，充滿創新與挑戰； 全程配備同步教學視頻，26小時的高密度、大容量精華視頻，讓學習變得更簡單。 本書適合作為高階實踐教材、畢業設計指導教材、創新創業訓練指導教材、實訓實習指導教材，還適合研究生和工程技術人員學習參考。

 

 

目錄

 

 

課件和數據集

 

 

 

 

源碼和模型

 

 

 

 

第1章EfficientNetV2與花朵識別

 

1.1花伴侶

 

1.2技術路線

 

1.3花朵數據集

 

1.4EfficientNetV1解析

 

1.5EfficientNetV2解析

 

1.6EfficientNetV2建模

 

1.7EfficientNetV2訓練

 

1.8EfficientNetV2評估

 

1.9EfficientNetB7建模

 

1.10Web服務器設計 

 

1.11新建Android項目

 

1.12Android之網絡訪問接口

 

1.13Android客戶機界面

 

1.14Android客戶機邏輯

 

1.15聯合測試

 

1.16小結

 

1.17習題

 

第2章MobileNetV3與鳥類識別

 

2.1Merlin鳥種識別

 

2.2技術路線

 

2.3鳥類數據集

 

2.4MobileNetV1解析

 

2.5MobileNetV2解析

 

2.6MobileNetV3解析

 

2.7MobileNetV3建模

 

2.8MobileNetV3訓練

 

2.9MobileNetV3評估

 

2.10MobileNetV3Lite版

 

2.11添加TFLite模型元數據

 

2.12新建Android項目

 

2.13Android項目配置

 

2.14Android界面設計

 

2.15Android邏輯設計

 

2.16Android手機測試

 

2.17小結

 

2.18習題

 

第3章EfficientDet與美食場景檢測

 

3.1項目動力

 

3.2技術路線

 

3.3MakeSense定義標簽

 

3.4定義數據集

 

3.5EfficientDet解析

 

3.6EfficientDetLite預訓練模型

 

3.7美食版EfficientDetLite訓練

 

3.8評估指標mAP

 

3.9美食版EfficientDetLite評估

 

3.10美食版EfficientDetLite測試

 

3.11新建Android項目

 

3.12Android界面設計

 

3.13Android邏輯設計

 

3.14Android手機測試

 

3.15小結

 

3.16習題

 

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滑動窗口實現目標檢測

 

4.4捲積方法實現滑動窗口

 

4.5交並比

 

4.6非極大值抑制

 

4.7Anchor Boxes

 

4.8定義網格標簽

 

4.9YOLOv1解析

 

4.10YOLOv2解析

 

4.11YOLOv3解析

 

4.12YOLOv4解析

 

4.13YOLOv5解析

 

4.14YOLOv5預訓練模型

 

4.15駕駛員圖像採集

 

4.16用LabelImg定義圖像標簽

 

4.17YOLOv5遷移學習

 

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

 

4.22習題

 

第5章Transformer與人機暢聊

 

5.1項目動力

 

5.2機器問答技術路線

 

5.3騰訊聊天數據集

 

5.4Transformer模型解析

 

5.5機器人項目初始化

 

5.6數據集預處理與劃分

 

5.7定義Transformer輸入層編碼

 

5.8定義Transformer註意力機制

 

5.9定義Transformer編碼器

 

5.10定義Transformer解碼器

 

5.11Transformer模型合成

 

5.12模型結構與參數配置

 

5.13學習率動態調整

 

5.14模型訓練過程

 

5.15損失函數與準確率曲線

 

5.16聊天模型評估與測試

 

5.17聊天模型部署到服務器

 

5.18Android項目初始化

 

5.19Android聊天界面設計

 

5.20Android聊天邏輯設計

 

5.21客戶機與服務器聯合測試 

 

5.22小結 

 

5.23習題 

 

第6章StyleGAN與人臉生成

 

6.1項目動力

 

6.2GAN解析

 

6.3Progressive GAN解析

 

6.4StyleGAN解析

 

6.5StyleGAN2解析

 

6.6StyleGAN2ADA解析

 

6.7StyleGAN3解析 

 

6.8人臉生成測試

 

6.9客戶機與服務器通信邏輯

 

6.10人臉生成服務器

 

6.11桌面版客戶機設計與測試

 

6.12新建Android項目

 

6.13Android界面設計

 

6.14Android客戶機邏輯設計

 

6.15Android版客戶機測試

 

6.16小結

 

6.17習題

 

第7章FaceNet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人臉數據採集

 

7.7自定義人臉識別模型

 

7.8人臉識別模型訓練

 

7.9人臉識別模型測試

 

7.10VGGFace人臉識別模型

 

7.11VGGFace門禁檢測

 

7.12FaceNet人臉識別模型

 

7.13FaceNet服務器設計

 

7.14Android項目初始化

 

7.15Android網絡訪問接口

 

7.16Android界面設計

 

7.17Android客戶機邏輯設計

 

7.18客戶機與服務器聯合測試

 

7.19活體數據採樣

 

7.20定義活體檢測模型

 

7.21活體檢測模型訓練

 

7.22活體檢測模型評估

 

7.23實時檢測與識別

 

7.24小結

 

7.25習題

 

第8章BERT與基因序列預測

 

8.1生物信息學數據庫

 

8.2數據庫檢索

 

8.3序列比對

 

8.4多序列比對

 

8.5基因增強子

 

8.6增強子序列數據集

 

8.7BERT模型解析

 

8.8定義DNA序列預測模型

 

8.9DNA序列特徵提取

 

8.10DNA序列模型訓練

 

8.11DNA序列模型評估

 

8.12小結

 

8.13習題

 

第9章AlphaFold2與蛋白質結構預測

 

9.1歷史突破

 

9.2技術路線

 

9.3初識AlphaFold2框架

 

9.4數據集與特徵提取

 

9.5Evoformer推理邏輯

 

9.6Structure模塊邏輯

 

9.7AlphaFold2損失函數

 

9.8AlphaFold2項目實戰演示

 

9.9小結

 

9.10習題

 

參考文獻