第 1章 机器学习在移动端的使用情况 1
1.1 机器学习的基础 3
1.1.1 监督式学习 3
1.1.2 非监督式学习 3
1.1.3 线性回归——监督式学习 4
1.2 TensorFlow Lite和Core ML 10
1.3 TensorFlow Lite 11
1.3.1 支持的平台 12
1.3.2 TensorFlow Lite的内存使用情况和性能 13
1.3.3 动手使用TensorFlow Lite 14
1.3.4 将SavedModel转换为TensorFlow Lite格式 15
1.3.5 在Android上使用TensorFlow Lite 16
1.3.6 在iOS上使用TensorFlow Lite 19
1.4 Core ML 20
1.4.1 Core ML模型转换 21
1.4.2 iOS应用程序中的Core ML 22
1.5 本章小结 24
第 2章 使用Core ML和CNN预测年龄与性别 25
2.1 年龄和性别预测 26
2.1.1 年龄预测 27
2.1.2 性别预测 27
2.2 卷积神经网络 28
2.2.1 发现模式 28
2.2.2 找出图片中的特征值 29
2.2.3 池化层 31
2.2.4 ReLU层 31
2.2.5 局部响应归一化层 32
2.2.6 dropout层 32
2.2.7 全连接层 33
2.2.8 使用CNN完成年龄和性别预测 33
2.3 在iOS上使用Core ML实现应用程序 35
2.4 本章小结 44
第3章 在照片上应用
艺术神经风格迁移 45
3.1 艺术神经风格迁移 46
3.1.1 背景 47
3.1.2 VGG网络 48
3.2 构建应用程序 49
3.2.1 TensorFlow-to-Core ML转换 52
3.2.2 iOS应用程序 55
3.2.3 Android应用程序 57
3.3 本章小结 77
3.4 参考网站 77
第4章 基于Firebase的ML Kit 78
4.1 ML Kit的基础 79
4.1.1 基本特征集 80
4.1.2 构建应用程序 81
4.2 人脸检测 86
4.2.1 面部朝向追踪 86
4.2.2 运行面部检测器 91
4.3 条形码扫描器 98
4.3.1 创建FirebaseVisionImage对象 99
4.3.2 创建FirebaseVisionBarcodeDetector对象 102
4.3.3 条形码检测 102
4.4 文本识别 105
4.4.1 基于设备的文本识别 105
4.4.2 基于云端的文本识别 107
4.5 本章小结 109
第5章 在Android上的AR滤镜 110
5.1 MobileNet模型 111
5.2 构建Android应用程序 116
5.3 参考网站 134
5.4 问题 134
5.5 本章小结 134
第6章 使用对抗学习构建手写数字分类器 135
6.1 生成式对抗网络 136
6.2 MNIST数据库 137
6.3 构建TensorFlow模型 138
6.4 训练神经网络 140
6.4.1 构建Android应用程序 143
6.4.2 用于手写的FreeHandView 144
6.4.3 数字分类器 150
6.5 本章小结 153
第7章 使用OpenCV与朋友换脸 154
7.1 换脸 155
7.1.1 换脸的步骤 157
7.1.2 构建Android应用程序 160
7.1.3 构建本地的脸交换器库 161
7.1.4 构建应用程序 167
7.2 本章小结 179
7.3 参考信息 179
7.4 问题 180
第8章 使用迁移学习完成食物分类 181
8.1 迁移学习 182
8.2 训练TensorFlow模型 184
8.2.1 安装TensorFlow 184
8.2.2 训练图片 184
8.2.3 使用图片重新训练 185
8.2.4 构建iOS应用程序 191
8.3 本章小结 198
第9章 接下来做什么 199
9.1 温故而知新 200
9.1.1 当开发机器学习应用程序时从何处入手 201
9.1.2 构建自己的模型 203
9.2 本章小结 206
9.3 进一步阅读 206
