编辑推荐
移动端机器学习及实践：TensorFlow、Keras、Caffe应用技巧。
内容简介
本书围绕TensorFlow、Keras和Caffe,系统地讲述了移动端机器学习的技术、方法和实践等。本书主要内容包括：移动设备上的机器学习，如何使用Caffe和CoreML构建检测年龄和性别的app,如何实现识别音频并在移动设备上获得更好的关键字建议，如何使用OpenCV和CNN构建具有面部过滤器的跨平台app,如何通过深度学习了解关于食物的健康知识。
章节目录
版权信息
版权
内容提要
版权声明
作者简介
译者简介
审校者简介
译者序
前言
资源与支持
第1章 机器学习在移动端的使用情况
1.1 机器学习的基础
1.1.1 监督式学习
1.1.2 非监督式学习
1.1.3 线性回归——监督式学习
1.2 TensorFlow Lite和Core ML
1.3 TensorFlow Lite
1.3.1 支持的平台
1.3.2 TensorFlow Lite的内存使用情况和性能
1.3.3 动手使用TensorFlow Lite
1.3.4 将SavedModel转换为TensorFlow Lite格式
1.3.5 在Android上使用TensorFlow Lite
1.3.6 在iOS上使用TensorFlow Lite
1.4 Core ML
1.4.1 Core ML模型转换
1.4.2 iOS应用程序中的Core ML
1.5 本章小结
第2章 使用Core ML和CNN预测年龄与性别
2.1 年龄和性别预测
2.1.1 年龄预测
2.1.2 性别预测
2.2 卷积神经网络
2.2.1 发现模式
2.2.2 找出图片中的特征值
2.2.3 池化层
2.2.4 ReLU层
2.2.5 局部响应归一化层
2.2.6 dropout层
2.2.7 全连接层
2.2.8 使用CNN完成年龄和性别预测
2.3 在iOS上使用Core ML实现应用程序
2.4 本章小结
第3章 在照片上应用艺术神经风格迁移
3.1 艺术神经风格迁移
3.1.1 背景
3.1.2 VGG网络
3.2 构建应用程序
3.2.1 TensorFlow-to-Core ML转换
3.2.2 iOS应用程序
3.2.3 Android应用程序
3.3 本章小结
3.4 参考网站
第4章 基于Firebase的ML Kit
4.1 ML Kit的基础
4.1.1 基本特征集
4.1.2 构建应用程序
4.2 人脸检测
4.2.1 面部朝向追踪
4.2.2 运行面部检测器
4.3 条形码扫描器
4.3.1 创建FirebaseVisionImage对象
4.3.2 创建FirebaseVisionBarcodeDetector对象
4.3.3 条形码检测
4.4 文本识别
4.4.1 基于设备的文本识别
4.4.2 基于云端的文本识别
4.5 本章小结
第5章 在Android上的AR滤镜
5.1 MobileNet模型
构建数据集
5.2 构建Android应用程序
5.3 参考网站
5.4 问题
5.5 本章小结
第6章 使用对抗学习构建手写数字分类器
6.1 生成式对抗网络
生成式与判别式学习算法
6.2 MNIST数据库
6.3 构建TensorFlow模型
6.4 训练神经网络
6.4.1 构建Android应用程序
6.4.2 用于手写的FreeHandView
6.4.3 数字分类器
6.5 本章小结
第7章 使用OpenCV与朋友换脸
7.1 换脸
7.1.1 换脸的步骤
7.1.2 构建Android应用程序
7.1.3 构建本地的脸交换器库
7.1.4 构建应用程序
7.2 本章小结
7.3 参考信息
7.4 问题
第8章 使用迁移学习完成食物分类
8.1 迁移学习
迁移学习中的方法
8.2 训练TensorFlow模型
8.2.1 安装TensorFlow
8.2.2 训练图片
8.2.3 使用图片重新训练
8.2.4 构建iOS应用程序
8.3 本章小结
第9章 接下来做什么
9.1 温故而知新
9.1.1 当开发机器学习应用程序时从何处入手
9.1.2 构建自己的模型
9.2 本章小结
9.3 进一步阅读
移动端机器学习实战是2019年由人民邮电出版社出版,作者 (印) 卡斯基延·NG (Karthikeyan NG) 。
得书感谢您对《移动端机器学习实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
