TensorFlow+Android经典模型从理论到实战（微课视频版）

9.10 习题

9.9 小结

9.8 AlphaFold2项目实战演示

9.7 AlphaFold2损失函数

9.6 Structure模块逻辑

9.5 Evoformer推理逻辑

9.4 数据集与特征提取

9.3 初识AlphaFold2框架

9.2 技术路线

9.1 历史突破

第9章 AlphaFold2与蛋白质结构预测

8.13 习题

8.12 小结

8.11 DNA序列模型评估

8.10 DNA序列模型训练

8.9 DNA序列特征提取

8.8 定义DNA序列预测模型

8.7 BERT模型解析

8.6 增强子序列数据集

8.5 基因增强子

8.4 多序列比对

8.3 序列比对

8.2 数据库检索

8.1 生物信息学数据库

第8章 BERT与基因序列预测

7.25 习题

7.24 小结

7.23 实时检测与识别

7.22 活体检测模型评估

7.21 活体检测模型训练

7.20 定义活体检测模型

7.19 活体数据采样

7.18 客户机与服务器联合测试

7.17 Android客户机逻辑设计

7.16 Android界面设计

7.15 Android网络访问接口

7.14 Android项目初始化

7.13 FaceNet服务器设计

7.12 FaceNet人脸识别模型

7.11 VGG-Face门禁检测

7.10 VGG-Face人脸识别模型

7.9 人脸识别模型测试

7.8 人脸识别模型训练

7.7 自定义人脸识别模型

7.6 人脸数据采集

7.5 人脸识别

7.4 三种方法做人脸检测

7.3 人脸活体检测

7.2 人脸检测

7.1 项目动力

第7章 FaceNet与人脸识别

6.17 习题

6.16 小结

6.15 Android版客户机测试

6.14 Android客户机逻辑设计

6.13 Android界面设计

6.12 新建Android项目

6.11 桌面版客户机设计与测试

6.10 人脸生成服务器

6.9 客户机与服务器通信逻辑

6.8 人脸生成测试

6.7 StyleGAN3解析

6.6 StyleGAN2-ADA解析

6.5 StyleGAN2解析

6.4 StyleGAN解析

6.3 Progressive GAN解析

6.2 GAN解析

6.1 项目动力

第6章 StyleGAN与人脸生成

5.23 习题

5.22 小结

5.21 客户机与服务器联合测试

5.20 Android聊天逻辑设计

5.19 Android聊天界面设计

5.18 Android项目初始化

5.17 聊天模型部署到服务器

5.16 聊天模型评估与测试

5.15 损失函数与准确率曲线

5.14 模型训练过程

5.13 学习率动态调整

5.12 模型结构与参数配置

5.11 Transformer模型合成

5.10 定义Transformer解码器

5.9 定义Transformer编码器

5.8 定义Transformer注意力机制

5.7 定义Transformer输入层编码

5.6 数据集预处理与划分

5.5 机器人项目初始化

5.4 Transformer模型解析

5.3 腾讯聊天数据集

5.2 机器问答技术路线

5.1 项目动力

第5章 Transformer与人机畅聊

4.22 习题

4.21 小结

4.20 场景综合测试

4.19 在Android上部署YOLOv5

4.18 生成YOLOv5-TFLite模型

4.17 YOLOv5迁移学习

4.16 用LabelImg定义图像标签

4.15 驾驶员图像采集

4.14 YOLOv5预训练模型

4.13 YOLOv5解析

4.12 YOLOv4解析

4.11 YOLOv3解析

4.10 YOLOv2解析

4.9 YOLOv1解析

4.8 定义网格标签

4.7 Anchor Boxes

4.6 非极大值抑制

4.5 交并比

4.4 卷积方法实现滑动窗口

4.3 滑动窗口实现目标检测

4.2 驾驶场景检测

4.1 项目动力

第4章 YOLOv5与驾驶场景检测

3.16 习题

3.15 小结

3.14 Android手机测试

3.13 Android逻辑设计

3.12 Android界面设计

3.11 新建Android项目

3.10 美食版EfficientDet-Lite测试

3.9 美食版EfficientDet-Lite评估

3.8 评估指标mAP

3.7 美食版EfficientDet-Lite训练

3.6 EfficientDet-Lite预训练模型

3.5 EfficientDet解析

3.4 定义数据集

3.3 MakeSense定义标签

3.2 技术路线

3.1 项目动力

第3章 EfficientDet与美食场景检测

2.18 习题

2.17 小结

2.16 Android手机测试

2.15 Android逻辑设计

2.14 Android界面设计

2.13 Android项目配置

2.12 新建Android项目

2.11 添加TFLite模型元数据

2.10 MobileNetV3-Lite版

2.9 MobileNetV3评估

2.8 MobileNetV3训练

2.7 MobileNetV3建模

2.6 MobileNetV3解析

2.5 MobileNetV2解析

2.4 MobileNetV1解析

2.3 鸟类数据集

2.2 技术路线

2.1 Merlin鸟种识别

第2章 MobileNetV3与鸟类识别

1.17 习题

1.16 小结

1.15 联合测试

1.14 Android客户机逻辑

1.13 Android客户机界面

1.12 Android之网络访问接口

1.11 新建Android项目

1.10 Web服务器设计

1.9 EfficientNet-B7建模

1.8 EfficientNetV2评估

1.7 EfficientNetV2训练

1.6 EfficientNetV2建模

1.5 EfficientNetV2解析

1.4 EfficientNetV1解析

1.3 花朵数据集

1.2 技术路线

1.1 花伴侣

第1章 EfficientNetV2与花朵识别

前言

插图

内容简介

版权信息

封面

封面

版权信息

内容简介

插图

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