计算机 类型
可以朗读 语音朗读
163千字 字数
2023-04-01 发行日期
展开全部

主编推荐语

从建模到应用、从理论到实践，实现从TensorFlow建模起步，到Android场景部署的应用示范。

内容简介

本书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。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、蛋白质结构预测等。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 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　EfficientNetV1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EfficientDet-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Transformer输入层编码
  • 5.8　定义Transformer注意力机制
  • 5.9　定义Transformer编码器
  • 5.10　定义Transformer解码器
  • 5.11　Transformer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　StyleGAN2-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FaceNet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　AlphaFold2损失函数
  • 9.8　AlphaFold2项目实战演示
  • 9.9　小结
  • 9.10　习题
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。