《面向移动设备的深度学习：基于TensorFlow Lite, ML Kit和Flutter》内容简介

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