V
主页
京东 11.11 红包
3.9 美食版EfficientDet-Lite评估
发布人
原书信息:清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战(微课视频版)》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html 第3章 EfficientDet与美食场景检测 当你读完第3章时,你应该能够: l 熟悉和理解美食数据集的结构特点。 l 了解解决目标检测问题的技术路线。 l 掌握一种为数据集做标签的方法。 l 理解掌握EfficientDet-D0~D7模型的体系结构与工作原理。 l 基于TFLite Model Maker做迁移学习。 l 基于TFLite Task Library在Android上部署TFLite模型。 l 基于mAP指标评价目标检测模型。 l 民以食为天,即刻拥有在美食领域干事创业的冲动与梦想。
打开封面
下载高清视频
观看高清视频
视频下载器
2.6 MobileNetV3解析
6.7 数据集分析
2.9 MobileNetV3评估
2.10 MobileNetV3-Lite版
7.12 FaceNet人脸识别模型
3.5 EfficientDet解析
2.11 简单卷积神经网络
2024最新 Android Studio 安装配置步骤
3.6 EfficientDet-Lite预训练模型
3.8 评估指标
3.4 定义数据集
4.17 YOLOv5迁移学习
4.18 生成YOLOv5-TFLite模型
1.11 决定系数
3.11 正向传播
2.1 Merlin鸟种识别
3.10 美食版EfficientDet-Lite测试
3.20 ResNet卷积网络
5.6 数据集预处理与划分
2.11 添加TFLite模型元数据
1.4 EfficientNetV1解析
2.12 新建Android项目
1.6 EfficientNetV2建模
1.5 EfficientNetV2解析
7.19 活体数据采样
3.25 制作HDF5数据集
7.14 EfficientNet模型预测与评估
5.5 获取URL参数
4.7 Anchor Boxes
3.26 迁移学习与特征提取
2.23 模型预测
4.13 非极大值抑制
2.7 边缘扩充
2.17 小结
4.1 数据集简介
2.22 模型评估
2.9 ARP解析
3.13 Android逻辑设计
7.8 划分数据集
9.8 AlphaFold2项目实战演示