內容簡介
本書以人工智能發展為時代背景，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方案，以便進行深度學習。在編排方式上，全書側重對創新項目的過程進行介紹，分別從整體設計、係統流程和實現模塊等角度論述數據處理、模型訓練和模型應用等過程，並剖析模塊的功能、使用及程序代碼。為便於讀者高效學習，快速掌握人工智能程序開發方法，本書配套提供項目設計工程文檔、程序代碼、實現過程中出現的問題及解決方法等資料，可供讀者舉一反三，二次開發。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的參考教材，還可作為從事智能應用創新開發專業人員的技術參考書。
作者簡介
目錄
作者簡介
內容簡介
前言
配套資源
項目1 電影推薦小程序
1.1 總體設計
1.1.1 係統整體結構
1.1.2 係統流程
1.2 運行環境
1.2.1 Python環境
1.2.2 TensorFlow環境
1.3 模塊實現
1.3.1 數據預處理
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 係統測試
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 係統整體結構
2.1.2 係統流程
2.2 運行環境
2.2.1 Python環境
2.2.2 PyTorch環境
2.2.3 Django環境
2.3 模塊實現
2.3.1 數據預處理
2.3.2 模型創建與編譯
2.3.3 模型訓練及保存
2.3.4 模型生成
2.4 係統測試
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 係統整體結構
3.1.2 係統流程
3.2 運行環境
3.2.1 Python環境
3.2.2 TensorFlow環境
3.3 模塊實現
3.3.1 數據預處理
3.3.2 模型創建與編譯
3.3.3 模型訓練及保存
3.3.4 模型生成
3.4 係統測試
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 係統整體結構
4.1.2 係統流程
4.2 運行環境
4.2.1 Python環境
4.2.2 TensorFlow環境
4.2.3 Jupyter Notebook環境
4.2.4 PyCharm環境
4.3 模塊實現
4.3.1 數據預處理
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 係統測試
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
5.1 總體設計
5.1.1 係統整體結構
5.1.2 係統流程
5.2 運行環境
5.2.1 Python環境
5.2.2 TensorFlow環境
5.2.3 安裝所需的軟件包
5.2.4 硬件環境
5.3 模塊實現
5.3.1 準備數據
5.3.2 數據預處理
5.3.3 目標檢測
5.3.4 目標追蹤
5.3.5 主函數
5.4 係統測試
項目6 智能果實采摘指導係統
6.1 總體設計
6.1.1 係統整體結構
6.1.2 係統流程
6.2 運行環境
6.2.1 Python環境
6.2.2 TensorFlow環境
6.2.3 Jupyter Notebook環境
6.2.4 PyCharm環境
6.2.5 微信開發者工具
6.2.6 OneNET雲平台
6.3 模塊實現
6.3.1 數據預處理
6.3.2 創建模型與編譯
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
6.4 係統測試
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 基於CNN的貓種類識別
7.1 總體設計
7.1.1 係統整體結構
7.1.2 係統流程
7.2 運行環境
7.2.1 計算型雲服務器
7.2.2 Python環境
7.2.3 TensorFlow環境
7.2.4 MySQL環境
7.2.5 Django環境
7.3 模塊實現
7.3.1 數據預處理
7.3.2 數據增強
7.3.3 普通CNN模型
7.3.4 殘差網絡模型
7.3.5 模型生成
7.4 係統測試
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 基於VGG-16的駕駛行為分析
8.1 總體設計
8.1.1 係統整體結構
8.1.2 係統流程
8.2 運行環境
8.2.1 Python環境
8.2.2 TensorFlow環境
8.2.3 Android環境
8.3 模塊實現
8.3.1 數據預處理
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 係統測試
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 基於Mask R-CNN的娛樂視頻生成器
9.1 總體設計
9.1.1 係統整體結構
9.1.2 係統流程
9.2 運行環境
9.2.1 Python環境
9.2.2 PyTorch環境
9.2.3 Detectron2平台
9.2.4 MoviePy的安裝
9.2.5 PyQt的安裝
9.3 模塊實現
9.3.1 數據處理
9.3.2 視頻處理
9.3.3 PyQt界麵
9.4 係統測試
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 基於CycleGAN的圖像轉換
10.1 總體設計
10.1.1 係統整體結構
10.1.2 係統流程
10.2 運行環境
10.2.1 Python環境
10.2.2 TensorFlow GPU環境
10.2.3 Android環境
10.3 模塊實現
10.3.1 數據集預處理
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 係統測試
項目11 交通警察——車輛監控係統
11.1 總體設計
11.1.1 係統整體結構
11.1.2 係統流程
11.2 運行環境
11.2.1 Python環境
11.2.2 TensorFlow環境
11.2.3 PyCharm IDE配置
11.2.4 Protoc配置
11.3 模塊實現
11.3.1 API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 係統測試
項目12 驗證碼的生成與識別
12.1 總體設計
12.1.1 係統整體結構
12.1.2 係統流程
12.2 運行環境
12.2.1 Python環境
12.2.2 TensorFlow環境
12.2.3 VsCode環境
12.3 模塊實現
12.3.1 數據預處理
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 係統測試
12.4.1 訓練準確率
12.4.2 測試效果
項目13 基於CNN的交通標誌識別
13.1 總體設計
13.1.1 係統整體結構
13.1.2 係統流程
13.2 運行環境
13.3 模塊實現
13.3.1 數據預處理
13.3.2 模型構建
13.3.3 模型訓練及保存
13.4 係統測試
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 係統整體結構
14.1.2 係統流程
14.2 運行環境
14.2.1 Python環境
14.2.2 TensorFlow環境
14.2.3 庫安裝
14.2.4 VGG-19網絡下載
14.3 模塊實現
14.3.1 實時風格轉移
14.3.2 非實時風格轉移
14.3.3 交互界麵設計
14.4 係統測試
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 口罩識別係統
15.1 總體設計
15.1.1 係統整體結構
15.1.2 係統流程圖
15.2 運行環境
15.3 模塊實現
15.3.1 數據預處理
15.3.2 模型訓練及保存
15.3.3 頁麵顯示和視頻流輸入
15.3.4 模型生成
15.4 係統測試
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 係統整體結構
16.1.2 係統流程
16.2 運行環境
16.2.1 Python環境
16.2.2 TensorFlow環境
16.2.3 微信小程序及後台服務器環境
16.3 模塊實現
16.3.1 數據預處理
16.3.2 創建模型與編譯
16.3.3 模型訓練及保存
16.3.4 模型生成
16.4 係統測試
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 基於OpenCV的人臉識別程序
17.1 總體設計
17.1.1 係統整體結構
17.1.2 係統流程
17.2 運行環境
17.2.1 Python環境
17.2.2 TensorFlow環境
17.3 模塊實現
17.3.1 數據預處理
17.3.2 模型構建
17.3.3 模型訓練
17.4 係統測試
項目18 基於CGAN的線稿自動上色
18.1 總體設計
18.1.1 係統整體結構
18.1.2 係統流程
18.2 運行環境
18.2.1 Python環境
18.2.2 TensorFlow環境
18.3 模塊實現
18.3.1 數據預處理
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 係統測試
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 基於ACGAN的動漫頭像生成
19.1 總體設計
19.1.1 係統整體結構
19.1.2 係統流程
19.2 運行環境
19.2.1 Python環境
19.2.2 TensorFlow環境
19.2.3 OpenCV環境
19.2.4 Illustration2Vec
19.3 模塊實現
19.3.1 數據獲取
19.3.2 數據處理
19.3.3 模型構建
19.3.4 模型訓練及保存
19.4 係統測試
19.4.1 模型導入及調用
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 係統整體結構
20.1.2 係統流程
20.2 運行環境
20.2.1 Python環境
20.2.2 TensorFlow環境
20.2.3 OpenCV-Python環境
20.3 模塊實現
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 係統測試
20.4.1 測試準確率
20.4.2 測試效果
內容簡介
前言
配套資源
項目1 電影推薦小程序
1.1 總體設計
1.1.1 係統整體結構
1.1.2 係統流程
1.2 運行環境
1.2.1 Python環境
1.2.2 TensorFlow環境
1.3 模塊實現
1.3.1 數據預處理
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 係統測試
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 係統整體結構
2.1.2 係統流程
2.2 運行環境
2.2.1 Python環境
2.2.2 PyTorch環境
2.2.3 Django環境
2.3 模塊實現
2.3.1 數據預處理
2.3.2 模型創建與編譯
2.3.3 模型訓練及保存
2.3.4 模型生成
2.4 係統測試
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 係統整體結構
3.1.2 係統流程
3.2 運行環境
3.2.1 Python環境
3.2.2 TensorFlow環境
3.3 模塊實現
3.3.1 數據預處理
3.3.2 模型創建與編譯
3.3.3 模型訓練及保存
3.3.4 模型生成
3.4 係統測試
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 係統整體結構
4.1.2 係統流程
4.2 運行環境
4.2.1 Python環境
4.2.2 TensorFlow環境
4.2.3 Jupyter Notebook環境
4.2.4 PyCharm環境
4.3 模塊實現
4.3.1 數據預處理
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 係統測試
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
5.1 總體設計
5.1.1 係統整體結構
5.1.2 係統流程
5.2 運行環境
5.2.1 Python環境
5.2.2 TensorFlow環境
5.2.3 安裝所需的軟件包
5.2.4 硬件環境
5.3 模塊實現
5.3.1 準備數據
5.3.2 數據預處理
5.3.3 目標檢測
5.3.4 目標追蹤
5.3.5 主函數
5.4 係統測試
項目6 智能果實采摘指導係統
6.1 總體設計
6.1.1 係統整體結構
6.1.2 係統流程
6.2 運行環境
6.2.1 Python環境
6.2.2 TensorFlow環境
6.2.3 Jupyter Notebook環境
6.2.4 PyCharm環境
6.2.5 微信開發者工具
6.2.6 OneNET雲平台
6.3 模塊實現
6.3.1 數據預處理
6.3.2 創建模型與編譯
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
6.4 係統測試
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 基於CNN的貓種類識別
7.1 總體設計
7.1.1 係統整體結構
7.1.2 係統流程
7.2 運行環境
7.2.1 計算型雲服務器
7.2.2 Python環境
7.2.3 TensorFlow環境
7.2.4 MySQL環境
7.2.5 Django環境
7.3 模塊實現
7.3.1 數據預處理
7.3.2 數據增強
7.3.3 普通CNN模型
7.3.4 殘差網絡模型
7.3.5 模型生成
7.4 係統測試
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 基於VGG-16的駕駛行為分析
8.1 總體設計
8.1.1 係統整體結構
8.1.2 係統流程
8.2 運行環境
8.2.1 Python環境
8.2.2 TensorFlow環境
8.2.3 Android環境
8.3 模塊實現
8.3.1 數據預處理
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 係統測試
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 基於Mask R-CNN的娛樂視頻生成器
9.1 總體設計
9.1.1 係統整體結構
9.1.2 係統流程
9.2 運行環境
9.2.1 Python環境
9.2.2 PyTorch環境
9.2.3 Detectron2平台
9.2.4 MoviePy的安裝
9.2.5 PyQt的安裝
9.3 模塊實現
9.3.1 數據處理
9.3.2 視頻處理
9.3.3 PyQt界麵
9.4 係統測試
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 基於CycleGAN的圖像轉換
10.1 總體設計
10.1.1 係統整體結構
10.1.2 係統流程
10.2 運行環境
10.2.1 Python環境
10.2.2 TensorFlow GPU環境
10.2.3 Android環境
10.3 模塊實現
10.3.1 數據集預處理
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 係統測試
項目11 交通警察——車輛監控係統
11.1 總體設計
11.1.1 係統整體結構
11.1.2 係統流程
11.2 運行環境
11.2.1 Python環境
11.2.2 TensorFlow環境
11.2.3 PyCharm IDE配置
11.2.4 Protoc配置
11.3 模塊實現
11.3.1 API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 係統測試
項目12 驗證碼的生成與識別
12.1 總體設計
12.1.1 係統整體結構
12.1.2 係統流程
12.2 運行環境
12.2.1 Python環境
12.2.2 TensorFlow環境
12.2.3 VsCode環境
12.3 模塊實現
12.3.1 數據預處理
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 係統測試
12.4.1 訓練準確率
12.4.2 測試效果
項目13 基於CNN的交通標誌識別
13.1 總體設計
13.1.1 係統整體結構
13.1.2 係統流程
13.2 運行環境
13.3 模塊實現
13.3.1 數據預處理
13.3.2 模型構建
13.3.3 模型訓練及保存
13.4 係統測試
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 係統整體結構
14.1.2 係統流程
14.2 運行環境
14.2.1 Python環境
14.2.2 TensorFlow環境
14.2.3 庫安裝
14.2.4 VGG-19網絡下載
14.3 模塊實現
14.3.1 實時風格轉移
14.3.2 非實時風格轉移
14.3.3 交互界麵設計
14.4 係統測試
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 口罩識別係統
15.1 總體設計
15.1.1 係統整體結構
15.1.2 係統流程圖
15.2 運行環境
15.3 模塊實現
15.3.1 數據預處理
15.3.2 模型訓練及保存
15.3.3 頁麵顯示和視頻流輸入
15.3.4 模型生成
15.4 係統測試
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 係統整體結構
16.1.2 係統流程
16.2 運行環境
16.2.1 Python環境
16.2.2 TensorFlow環境
16.2.3 微信小程序及後台服務器環境
16.3 模塊實現
16.3.1 數據預處理
16.3.2 創建模型與編譯
16.3.3 模型訓練及保存
16.3.4 模型生成
16.4 係統測試
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 基於OpenCV的人臉識別程序
17.1 總體設計
17.1.1 係統整體結構
17.1.2 係統流程
17.2 運行環境
17.2.1 Python環境
17.2.2 TensorFlow環境
17.3 模塊實現
17.3.1 數據預處理
17.3.2 模型構建
17.3.3 模型訓練
17.4 係統測試
項目18 基於CGAN的線稿自動上色
18.1 總體設計
18.1.1 係統整體結構
18.1.2 係統流程
18.2 運行環境
18.2.1 Python環境
18.2.2 TensorFlow環境
18.3 模塊實現
18.3.1 數據預處理
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 係統測試
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 基於ACGAN的動漫頭像生成
19.1 總體設計
19.1.1 係統整體結構
19.1.2 係統流程
19.2 運行環境
19.2.1 Python環境
19.2.2 TensorFlow環境
19.2.3 OpenCV環境
19.2.4 Illustration2Vec
19.3 模塊實現
19.3.1 數據獲取
19.3.2 數據處理
19.3.3 模型構建
19.3.4 模型訓練及保存
19.4 係統測試
19.4.1 模型導入及調用
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 係統整體結構
20.1.2 係統流程
20.2 運行環境
20.2.1 Python環境
20.2.2 TensorFlow環境
20.2.3 OpenCV-Python環境
20.3 模塊實現
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 係統測試
20.4.1 測試準確率
20.4.2 測試效果
[ AI源碼解讀下載地址【免費下載】 ]
最後修改：2024 年 10 月 22 日
© 允許規範轉載