作品简介

详细阐述了与移动设备深度学习开发相关的基本解决方案,主要包括使用设备内置模型执行人脸检测、开发智能聊天机器人、识别植物物种、生成实时字幕、构建人工智能认证系统、使用AI生成音乐、基于强化神经网络的国际象棋引擎、构建超分辨率图像应用程序等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书,也可作为相关开发人员的自学用书和参考手册。

安努巴哈夫·辛格是 The Code Foundation 的创始人,这是一家专注于人工智能的初创公司,致力于多媒体处理和自然语言处理,目标是让每个人都可以使用人工智能。Anubhav是Venkat Panchapakesan纪念奖学金的获得者,并获得“英特尔软件创新者”称号。Anubhav喜欢分享自己学到的知识,并且是Google Developers Group(谷歌开发者社区)的活跃发言人,经常热心指导他人进行机器学习。

作品目录

  • 内容简介
  • 译者序
  • 前言
  • 本书读者
  • 内容介绍
  • 充分利用本书
  • 下载示例代码文件
  • 下载彩色图像
  • 本书约定
  • 关于作者
  • 关于审稿人
  • 第1章 移动设备深度学习简介
  • 1.1 人工智能驱动的移动设备的增长
  • 1.2 机器学习和深度学习
  • 1.3 一些常见的深度学习架构
  • 1.4 强化学习和NLP
  • 1.5 在Android和iOS上集成人工智能的方法
  • 1.6 小结
  • 第2章 移动视觉——使用设备内置模型执行人脸检测
  • 2.1 技术要求
  • 2.2 图像处理简介
  • 2.3 使用Flutter开发人脸检测应用程序
  • 2.4 小结
  • 第3章 使用Actions on Google平台开发智能聊天机器人
  • 3.1 技术要求
  • 3.2 了解可用于创建聊天机器人的工具
  • 3.3 创建Dialogflow账户
  • 3.4 创建Dialogflow代理
  • 3.5 了解Dialogflow控制台
  • 3.6 创建你的第一个Google Action
  • 3.7 创建Actions on Google项目
  • 3.8 实现Webhook
  • 3.9 将Webhook部署到Cloud Functions
  • 3.10 创建一个Actions on Google版本
  • 3.11 为对话式应用程序创建用户界面
  • 3.12 集成Dialogflow代理
  • 3.13 添加与Assistant的音频交互
  • 3.14 小结
  • 第4章 识别植物物种
  • 4.1 技术要求
  • 4.2 图像分类简介
  • 4.3 了解项目架构
  • 4.4 Cloud Vision API简介
  • 4.5 配置Cloud Vision API以进行图像识别
  • 4.6 使用SDK/工具构建模型
  • 4.7 创建用于图像识别的自定义TensorFlow Lite模型
  • 4.8 创建Flutter应用程序
  • 4.9 运行图像识别程序
  • 4.10 小结
  • 第5章 为摄像头画面生成实时字幕
  • 5.1 设计项目架构
  • 5.2 理解图像字幕生成器
  • 5.3 了解摄像头插件
  • 5.4 创建摄像头应用程序
  • 5.5 创建最终应用程序
  • 5.6 小结
  • 第6章 构建人工智能认证系统
  • 6.1 技术要求
  • 6.2 一个简单的登录应用程序
  • 6.3 添加Firebase身份验证功能
  • 6.4 了解身份验证的异常检测
  • 6.5 用于验证用户的自定义模型
  • 6.6 实现ReCaptcha以防止垃圾邮件
  • 6.7 在Flutter中部署模型
  • 6.8 小结
  • 第7章 语音/多媒体处理——使用AI生成音乐
  • 7.1 设计项目的架构
  • 7.2 理解多媒体处理
  • 7.3 开发基于RNN的音乐生成模型
  • 7.4 在Android和iOS上部署音频生成API
  • 7.5 小结
  • 第8章 基于强化神经网络的国际象棋引擎
  • 8.1 强化学习简介
  • 8.2 手机游戏中的强化学习
  • 8.3 探索Google的DeepMind
  • 8.4 用于Connect 4游戏的类Alpha Zero AI
  • 8.5 基础项目架构
  • 8.6 为国际象棋引擎开发GCP托管的REST API
  • 8.7 在Android上创建一个简单的国际象棋UI
  • 8.8 将国际象棋引擎API与UI集成
  • 8.9 小结
  • 第9章 构建超分辨率图像应用程序
  • 9.1 基本项目架构
  • 9.2 理解GAN
  • 9.3 了解图像超分辨率的工作原理
  • 9.4 为超分辨率创建TensorFlow模型
  • 9.5 为应用程序构建UI
  • 9.6 从设备的本地存储中获取图片
  • 9.7 在DigitalOcean上托管TensorFlow模型
  • 9.8 在Flutter上集成托管的自定义模型
  • 9.9 创建最终应用程序
  • 9.10 小结
  • 第10章 未来之路
  • 10.1 了解移动应用程序在深度学习方面的最新趋势
  • 10.2 探索移动设备上深度学习的最新发展
  • 10.3 探索移动应用程序中深度学习的当前研究领域
  • 10.4 小结
  • 附录A
  • A.1 在云端虚拟机上设置深度学习环境
  • A.2 安装Dart SDK
  • A.3 安装Flutter SDK
  • A.4 配置Firebase
  • A.5 设置Visual Studio Code
展开全部