移動端機器學習實戰
內容描述
本書系統地講述如何基於TensorFlow Lite和Core ML構建Android與iOS應用程序。
本書共9章。
章介紹機器學習的基礎知識以及TensorFlow Lite和Core ML框架。
第2～8章介紹如何開發7款常見應用程序，分別是一款預測人物年齡和性別的應用程序，
一款在照片上應用藝術風格遷移的應用程序，一款用於面部檢測和條形碼掃描的應用程序，
一款類似於Snapchat的應用程序，一款識別手寫數字的應用程序，一款流行的在線換臉應用程序，
一款利用遷移學習完成食物分類的應用程序。第9章總結全書，並介紹基於機器學習的雲服務。
本書適合機器學習、深度學習和人工智能等方面的專業人士閱讀。
目錄大綱
●章機器學習在移動端的使用情況1
1.1機器學習的基礎3
1.1.1監督式學習3
1.1.2非監督式學習3
1.1.3線性回歸——監督式學習4
1.2TensorFlow Lite和Core ML10
1.3TensorFlow Lite11
1.3.1支持的平台12
1.3.2TensorFlow Lite的內存使用情況和性能13
1.3.3動手使用TensorFlow Lite14
1.3.4將SavedModel轉換為TensorFlow Lite格式15
1.3.5在Android上使用TensorFlow Lite16
1.3.6在iOS上使用TensorFlow Lite19
1.4Core ML20
1.4.1Core ML模型轉換21
1.4.2iOS應用程序中的Core ML22
1.5本章小結24
第2章使用Core ML和CNN預測年齡與性別25
2.1年齡和性別預測26
2.1.1年齡預測27
2.1.2性別預測27
2.2卷積神經網絡28
2.2.1發現模式28
2.2.2找出圖片中的特徵值29
2.2.3池化層31
2.2.4ReLU層31
2.2.5局部響應歸一化層32
2.2.6dropout層32
2.2.7全連接層33
2.2.8使用CNN完成年齡和性別預測33
2.3在iOS上使用Core ML實現應用程序35
2.4本章小結44
第3章在照片上應用
藝術神經風格遷移45
3.1藝術神經風格遷移46
3.1.1背景47
3.1.2VGG網絡48
3.2構建應用程序49
3.2.1TensorFlow-to-Core ML轉換52
3.2.2iOS應用程序55
3.2.3Android應用程序57
3.3本章小結77
3.4參考網站77
第4章基於Firebase的ML Kit78
4.1ML Kit的基礎79
4.1.1基本特徵集80
4.1.2構建應用程序81
4.2人臉檢測86
4.2.1面部朝向追踪86
4.2.2運行面部檢測器91
4.3條形碼掃描器98
4.3.1創建FirebaseVisionImage對象99
4.3.2創建FirebaseVisionBarcodeDetector對象102
4.3.3條形碼檢測102
4.4文本識別105
4.4.1基於設備的文本識別105
4.4.2基於雲端的文本識別107
4.5本章小結109
第5章在Android上的AR濾鏡110
5.1MobileNet模型111
5.2構建Android應用程序116
5.3參考網站134
5.4問題134
5.5本章小結134
第6章使用對抗學習構建手寫數字分類器135
6.1生成式對抗網絡136
6.2MNIST數據庫137
6.3構建TensorFlow模型138
6.4訓練神經網絡140
6.4.1構建Android應用程序143
6.4.2用於手寫的FreeHandView144
6.4.3數字分類器150
6.5本章小結153
第7章使用OpenCV與朋友換臉154
7.1換臉155
7.1.1換臉的步驟157
7.1.2構建Android應用程序160
7.1.3構建本地的臉交換器庫161
7.1.4構建應用程序167
7.2本章小結179
7.3參考信息179
7.4問題180
第8章使用遷移學習完成食物分類181
8.1遷移學習182
8.2訓練TensorFlow模型184
8.2.1安裝TensorFlow184
8.2.2訓練圖片184
8.2.3使用圖片重新訓練185
8.2.4構建iOS應用程序191
8.3本章小結198
第9章接下來做什麼199
9.1溫故而知新200
9.1.1當開發機器學習應用程序時從何處入手201
9.1.2構建自己的模型203
9.2本章小結206
9.3進一步閱讀206
