更新时间：2024-12-27 22:43:46
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
