V
主页
1.6 EfficientNetV2建模
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1章 EfficientNetV2与花朵识别 当你读完第1章时,你应该能够: l 因花之美好,激发对花朵识别项目的热爱与创作冲动。 l 理解数据集处理与建模之间的关系。 l 理解掌握EfficientNetV1-B0~B7模型的体系结构与原理。 l 理解掌握EfficientNetV2-S、M和L模型的体系结构与原理。 l 理解掌握EfficientNet模型从V1到V2的技术演进逻辑。 l 实战EfficientNetV2模型的建模、训练和评估。 l 实战EfficientNetV1-B7模型的迁移学习。 l 构建RESTful风格的通用Web API架构,用于第1章、第5章和第6章的模型部署。 l 实现Android客户机的网络编程。 l 实现Android花朵识别客户机,支持相册与相机两种应用模式。 为什么要做这样一个识别花朵的选题?研究和设计花朵识别App,既有来自生活本身的考量,也有来自学术专业的追求。一般而言,花朵是植物最显著的特征,研发一款通过识别花朵进而识别植物类型的App,可以帮助人们随时随地认识和熟悉植物特性,满足人们好奇心。植物学家、学生、教师野外考察和见习期间,借助花朵识别App,采集、反馈和整理第一手资料,也是支持科学研究工作的一大助力。事实上,即便没有花朵,单凭植物的叶片或形态也可以识别植物类别,但是依靠花朵更容易做到精准识别。
打开封面
下载高清视频
观看高清视频
视频下载器
7.12 FaceNet人脸识别模型
7.8 人脸识别模型训练
1.6 离群值
2.22 模型评估
8.7 人脸相似度计算
9.4 数据集与特征提取
2.6 卷积运算
2.21 模型训练
1.18 XGBoost回归模型
3.17 参数与超参数
3.8 激励函数
2.15 为什么使用卷积?
2.3 Wireshark过滤器
3.7 下载图片
2.9 三维卷积
9.16 文件上传与下载
4.17 YOLOv5迁移学习
3.15 Mini-Batch梯度下降
1.8 同方差与异方差
3.25 制作HDF5数据集
2.5 MobileNetV2解析
1.13 数据集划分与标准化
6.9 定义BERT模型和RoBERTa模型
8.2 数据库检索
6.8 人脸生成测试
1.2 训练集观察
1.4 相关矩阵
3.19 VGG-16卷积网络
9.7 AlphaFold2损失函数
1.12 特征工程
9.2 项目概要设计
9.14 上传图片
2.16 Android手机测试
5.2 肽键、多肽与肽链
4.14 Anchor Boxes
7.15 Android网络访问接口
6.10 人脸生成服务器
3.11 正向传播
1.1 数据集
4.9 滑动窗口实现目标检测