AI源碼解讀：卷積神經(jīng)網(wǎng)絡深度學習案例（CNN Python版）

定　價：￥99.00

作　者：	李永華著
出版社：	清華大學出版社
叢編項：	人工智能科學與技術叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302570660	出版時間：	2021-10-01	包裝：	平裝
開本：	16開	頁數(shù)：	384	字數(shù)：

內(nèi)容簡介

　　本書以人工智能發(fā)展為時代背景，通過20個機器學習模型和算法案例，為讀者提供較為詳細的實戰(zhàn)方案，以便進行深度學習。在編排方式上，全書側重對創(chuàng)新項目的過程進行介紹，分別從整體設計、系統(tǒng)流程和實現(xiàn)模塊等角度論述數(shù)據(jù)處理、模型訓練和模型應用等過程，并剖析模塊的功能、使用及程序代碼。為便于讀者高效學習，快速掌握人工智能程序開發(fā)方法，本書配套提供項目設計工程文檔、程序代碼、實現(xiàn)過程中出現(xiàn)的問題及解決方法等資料，可供讀者舉一反三，二次開發(fā)。本書語言簡潔，深入淺出，通俗易懂，不僅適合對Python編程有興趣的愛好者，而且可作為高等院校相關專業(yè)的參考教材，還可作為從事智能應用創(chuàng)新開發(fā)專業(yè)人員的技術參考書。

作者簡介

　　李永華：北京郵電大學，教授，擁有超過10年的軟硬件開發(fā)經(jīng)驗，長期致力于物聯(lián)網(wǎng)、云計算與人工智能的研究工作。在教學中以興趣為導向，激發(fā)學生的創(chuàng)造性；以素質(zhì)為基礎，提高自身教學水平；以科研為手段，促進教學理念的轉變，在教學與科研實踐中指導學生實現(xiàn)300余個創(chuàng)新案例。主持30余項國j級與企事業(yè)單位課題的研究工作，在國內(nèi)外學術期刊及會議發(fā)表論文100余篇，申請專利50余項，出版圖書20余部。

圖書目錄

項目1電影推薦小程序
1.1總體設計
1.1.1系統(tǒng)整體結構
1.1.2系統(tǒng)流程
1.2運行環(huán)境
1.2.1Python環(huán)境
1.2.2TensorFlow環(huán)境
1.3模塊實現(xiàn)
1.3.1數(shù)據(jù)預處理
1.3.2模型設計
1.3.3模型訓練及測試
1.3.4特征矩陣提取
1.3.5推薦電影
1.3.6客戶端
1.4系統(tǒng)測試
1.4.1訓練準確率
1.4.2運行結果
項目2服裝分類助手
2.1總體設計
2.1.1系統(tǒng)整體結構
2.1.2系統(tǒng)流程
2.2運行環(huán)境
2.2.1Python環(huán)境
2.2.2PyTorch環(huán)境
2.2.3Django環(huán)境
2.3模塊實現(xiàn)
2.3.1數(shù)據(jù)預處理
2.3.2模型創(chuàng)建與編譯
2.3.3模型訓練及保存
2.3.4模型生成
2.4系統(tǒng)測試
2.4.1訓練準確率
2.4.2測試效果
2.4.3模型應用
項目3檢索式模型聊天機器人
3.1總體設計
3.1.1系統(tǒng)整體結構
3.1.2系統(tǒng)流程
3.2運行環(huán)境
3.2.1Python環(huán)境
3.2.2TensorFlow環(huán)境
3.3模塊實現(xiàn)
3.3.1數(shù)據(jù)預處理
3.3.2模型創(chuàng)建與編譯
3.3.3模型訓練及保存
3.3.4模型生成
3.4系統(tǒng)測試
3.4.1訓練準確率
3.4.2測試效果
3.4.3模型應用
項目4方言種類識別
4.1總體設計
4.1.1系統(tǒng)整體結構
4.1.2系統(tǒng)流程
4.2運行環(huán)境
4.2.1Python環(huán)境
4.2.2TensorFlow環(huán)境
4.2.3Jupyter Notebook環(huán)境
4.2.4PyCharm環(huán)境
4.3模塊實現(xiàn)
4.3.1數(shù)據(jù)預處理
4.3.2模型構建
4.3.3模型訓練及保存
4.3.4模型生成
4.4系統(tǒng)測試
4.4.1訓練準確率
4.4.2測試效果
項目5行人檢測與追蹤計數(shù)
5.1總體設計
5.1.1系統(tǒng)整體結構
5.1.2系統(tǒng)流程
5.2運行環(huán)境
5.2.1Python環(huán)境
5.2.2TensorFlow環(huán)境
5.2.3安裝所需的軟件包
5.2.4硬件環(huán)境
5.3模塊實現(xiàn)
5.3.1準備數(shù)據(jù)
5.3.2數(shù)據(jù)預處理
5.3.3目標檢測
5.3.4目標追蹤
5.3.5主函數(shù)
5.4系統(tǒng)測試
項目6智能果實采摘指導系統(tǒng)
6.1總體設計
6.1.1系統(tǒng)整體結構
6.1.2系統(tǒng)流程
6.2運行環(huán)境
6.2.1Python環(huán)境
6.2.2TensorFlow環(huán)境
6.2.3Jupyter Notebook環(huán)境
6.2.4PyCharm環(huán)境
6.2.5微信開發(fā)者工具
6.2.6OneNET云平臺
6.3模塊實現(xiàn)
6.3.1數(shù)據(jù)預處理
6.3.2創(chuàng)建模型與編譯
6.3.3模型訓練及保存
6.3.4上傳結果
6.3.5小程序開發(fā)
6.4系統(tǒng)測試
6.4.1訓練準確率
6.4.2測試效果
6.4.3外部訪問效果
項目7基于CNN的貓種類識別
7.1總體設計
7.1.1系統(tǒng)整體結構
7.1.2系統(tǒng)流程
7.2運行環(huán)境
7.2.1計算型云服務器
7.2.2Python環(huán)境
7.2.3TensorFlow環(huán)境
7.2.4MySQL環(huán)境
7.2.5Django環(huán)境
7.3模塊實現(xiàn)
7.3.1數(shù)據(jù)預處理
7.3.2數(shù)據(jù)增強
7.3.3普通CNN模型
7.3.4殘差網(wǎng)絡模型
7.3.5模型生成
7.4系統(tǒng)測試
7.4.1訓練準確率
7.4.2測試效果
7.4.3模型應用
項目8基于VGG16的駕駛行為分析
8.1總體設計
8.1.1系統(tǒng)整體結構
8.1.2系統(tǒng)流程
8.2運行環(huán)境
8.2.1Python環(huán)境
8.2.2TensorFlow環(huán)境
8.2.3Android環(huán)境
8.3模塊實現(xiàn)
8.3.1數(shù)據(jù)預處理
8.3.2模型構建
8.3.3模型訓練及保存
8.3.4模型生成
8.4系統(tǒng)測試
8.4.1訓練準確率
8.4.2測試效果
8.4.3模型應用
項目9基于Mask RCNN的娛樂視頻生成器
9.1總體設計
9.1.1系統(tǒng)整體結構
9.1.2系統(tǒng)流程
9.2運行環(huán)境
9.2.1Python環(huán)境
9.2.2PyTorch環(huán)境
9.2.3Detectron2平臺
9.2.4MoviePy的安裝
9.2.5PyQt的安裝
9.3模塊實現(xiàn)
9.3.1數(shù)據(jù)處理
9.3.2視頻處理
9.3.3PyQt界面
9.4系統(tǒng)測試
9.4.1訓練準確率
9.4.2運行效率
9.4.3應用使用說明
項目10基于CycleGAN的圖像轉換
10.1總體設計
10.1.1系統(tǒng)整體結構
10.1.2系統(tǒng)流程
10.2運行環(huán)境
10.2.1Python環(huán)境
10.2.2TensorFlow GPU環(huán)境
10.2.3Android環(huán)境
10.3模塊實現(xiàn)
10.3.1數(shù)據(jù)集預處理
10.3.2模型構建
10.3.3模塊分析
10.3.4模型訓練及保存
10.3.5模型生成
10.4系統(tǒng)測試
項目11交通警察——車輛監(jiān)控系統(tǒng)
11.1總體設計
11.1.1系統(tǒng)整體結構
11.1.2系統(tǒng)流程
11.2運行環(huán)境
11.2.1Python環(huán)境
11.2.2TensorFlow環(huán)境
11.2.3PyCharm IDE配置
11.2.4Protoc配置
11.3模塊實現(xiàn)
11.3.1API下載及載入
11.3.2識別訓練
11.3.3導入模型與編譯
11.3.4模型生成
11.4系統(tǒng)測試
項目12驗證碼的生成與識別
12.1總體設計
12.1.1系統(tǒng)整體結構
12.1.2系統(tǒng)流程
12.2運行環(huán)境
12.2.1Python環(huán)境
12.2.2TensorFlow環(huán)境
12.2.3VsCode環(huán)境
12.3模塊實現(xiàn)
12.3.1數(shù)據(jù)預處理
12.3.2模型搭建
12.3.3模型訓練及保存
12.3.4模型測試
12.4系統(tǒng)測試
12.4.1訓練準確率
12.4.2測試效果
項目13基于CNN的交通標志識別
13.1總體設計
13.1.1系統(tǒng)整體結構
13.1.2系統(tǒng)流程
13.2運行環(huán)境
13.3模塊實現(xiàn)
13.3.1數(shù)據(jù)預處理
13.3.2模型構建
13.3.3模型訓練及保存
13.4系統(tǒng)測試
13.4.1訓練準確率
13.4.2測試效果
項目14圖像風格轉移
14.1總體設計
14.1.1系統(tǒng)整體結構
14.1.2系統(tǒng)流程
14.2運行環(huán)境
14.2.1Python環(huán)境
14.2.2TensorFlow環(huán)境
14.2.3庫安裝
14.2.4VGG19網(wǎng)絡下載
14.3模塊實現(xiàn)
14.3.1實時風格轉移
14.3.2非實時風格轉移
14.3.3交互界面設計
14.4系統(tǒng)測試
14.4.1非實時風格轉移測試
14.4.2實時風格轉移測試
項目15口罩識別系統(tǒng)
15.1總體設計
15.1.1系統(tǒng)整體結構
15.1.2系統(tǒng)流程
15.2運行環(huán)境
15.3模塊實現(xiàn)
15.3.1數(shù)據(jù)預處理
15.3.2模型訓練及保存
15.3.3頁面顯示和視頻流輸入
15.3.4模型生成
15.4系統(tǒng)測試
15.4.1訓練準確率
15.4.2測試效果
項目16垃圾分類微信小程序
16.1總體設計
16.1.1系統(tǒng)整體結構
16.1.2系統(tǒng)流程
16.2運行環(huán)境
16.2.1Python環(huán)境
16.2.2TensorFlow環(huán)境
16.2.3微信小程序及后臺服務器環(huán)境
16.3模塊實現(xiàn)
16.3.1數(shù)據(jù)預處理
16.3.2創(chuàng)建模型與編譯
16.3.3模型訓練及保存
16.3.4模型生成
16.4系統(tǒng)測試
16.4.1訓練準確率
16.4.2測試效果
16.4.3模型應用
項目17基于OpenCV的人臉識別程序
17.1總體設計
17.1.1系統(tǒng)整體結構
17.1.2系統(tǒng)流程
17.2運行環(huán)境
17.2.1Python環(huán)境
17.2.2TensorFlow環(huán)境
17.3模塊實現(xiàn)
17.3.1數(shù)據(jù)預處理
17.3.2模型構建
17.3.3模型訓練
17.4系統(tǒng)測試
項目18基于CGAN的線稿自動上色
18.1總體設計
18.1.1系統(tǒng)整體結構
18.1.2系統(tǒng)流程
18.2運行環(huán)境
18.2.1Python環(huán)境
18.2.2TensorFlow環(huán)境
18.3模塊實現(xiàn)
18.3.1數(shù)據(jù)預處理
18.3.2模型構建
18.3.3模型訓練及保存
18.3.4模型應用
18.4系統(tǒng)測試
18.4.1訓練效果
18.4.2測試效果
18.4.3模型使用說明
項目19基于ACGAN的動漫頭像生成
19.1總體設計
19.1.1系統(tǒng)整體結構
19.1.2系統(tǒng)流程
19.2運行環(huán)境
19.2.1Python環(huán)境
19.2.2TensorFlow環(huán)境
19.2.3OpenCV環(huán)境
19.2.4Illustration2Vec
19.3模塊實現(xiàn)
19.3.1數(shù)據(jù)獲取
19.3.2數(shù)據(jù)處理
19.3.3模型構建
19.3.4模型訓練及保存
19.4系統(tǒng)測試
19.4.1模型導入及調(diào)用
19.4.2生成指定標簽
項目20手勢語言識別
20.1總體設計
20.1.1系統(tǒng)整體結構
20.1.2系統(tǒng)流程
20.2運行環(huán)境
20.2.1Python環(huán)境
20.2.2TensorFlow環(huán)境
20.2.3OpenCVPython環(huán)境
20.3模塊實現(xiàn)
20.3.1設置直方圖
20.3.2載入手勢圖片
20.3.3模型訓練及保存
20.4系統(tǒng)測試
20.4.1測試準確率
20.4.2測試效果