面向移动设备的深度学习--基于TensorFlow Lite ML Kit和Flutter

本书详细阐述了与移动 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。

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 1.1.1 支持人工智能的硬件变化 1.1.2 移动设备需要AI芯片的原因 1.1.3 使用AI在移动设备上改善用户体验 1.1.4 个性化 1.1.5 虚拟助手 1.1.6 面部识别 1.1.7 人工智能驱动的相机 1.1.8 预测文本 1.1.9 最流行的使用人工智能的移动应用程序 1.1.10 Netflix 1.1.11 Seeing AI 1.1.12 Allo 1.1.13 English Language Speech Assistant 1.1.14 Socratic 1.2 机器学习和深度学习 1.2.1 机器学习详解 1.2.2 深度学习详解 1.2.3 输入层 1.2.4 隐藏层 1.2.5 输出层 1.2.6 激活函数 1.3 一些常见的深度学习架构 1.3.1 卷积神经网络 1.3.2 生成对抗网络 1.3.3 循环神经网络 1.3.4 长短期记忆网络 1.4 强化学习和NLP 1.4.1 强化学习 1.4.2 自然语言处理 1.5 在Android和iOS上集成人工智能的方法 1.5.1 Firebase ML Kit 1.5.2 Core ML 1.5.3 Caffe 2 1.5.4 TensorFlow 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 2.2.1 理解图像 2.2.2 操作图像 2.2.3 旋转 2.2.4 灰度转换 2.3 使用Flutter开发人脸检测应用程序 2.3.1 添加pub依赖项 2.3.2 构建应用程序 2.3.3 创建第一个屏幕 2.3.4 构建行标题 2.3.5 使用按钮小部件构建行 2.3.6 创建整个用户界面 2.3.7 创建第二个屏幕 2.3.8 获取图像文件 2.3.9 分析图像以检测人脸 2.3.10 标记检测到的人脸 2.3.11 在屏幕上显示最终图像 2.3.12 创建最终的应用程序 2.4 小结 第3章 使用 Actions on Google平台开发智能聊天机器人 第4章 识别植物物种 第5章 为摄像头画面生成实时字幕 第6章 构建人工智能认证系统 第7章 语音/多媒体处理——使用AI生成音乐 第8章 基于强化神经网络的国际象棋引擎 第9章 构建超分辨率图像应用程序 第10章 未来之路 附录A