PyTorch神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)：移動(dòng)端圖像處理

◆ 目錄：◆

前言
第1章 人工智能與深度學(xué)習(xí)/
1.1人工智能簡介/
1.1.1人工智能的概念/
1.1.2人工智能的歷史/
1.1.3人工智能與深度學(xué)習(xí)的關(guān)系/
1.1.4深度學(xué)習(xí)的應(yīng)用/
1.2深度學(xué)習(xí)理論基礎(chǔ)/
1.2.1全連接層/
1.2.2卷積層/
1.2.3池化層/
1.2.4激活層/
1.2.5批歸一化層/
1.2.6隨機(jī)失活/
1.2.7損失函數(shù)/
1.2.8反向傳播/
1.3深度學(xué)習(xí)實(shí)踐細(xì)節(jié)/
1.3.1硬件選擇/
1.3.2超參數(shù)設(shè)定/
1.3.3網(wǎng)絡(luò)參數(shù)初始化/
1.4本章小結(jié)/

第2章 PyTorch指南/
2.1安裝與測試/
2.1.1安裝PyTorch和torchvision/
2.1.2顯卡測試/
2.1.3CPU和GPU切換/
2.2核心模塊/
2.3模型構(gòu)建流程圖/
2.4張量Tensor/
2.4.1數(shù)值類型/
2.4.2創(chuàng)建方法/
2.4.3類型轉(zhuǎn)換/
2.4.4維度分析/
2.4.5常用操作/
2.5數(shù)據(jù)讀取與預(yù)處理/
2.5.1圖像讀取與存儲(chǔ)/
2.5.2調(diào)用PyTorch官方數(shù)據(jù)集/
2.5.3ImageFolder/
2.5.4圖像處理torchvision.transforms/
2.5.5數(shù)據(jù)讀取類Dataset/
2.5.6DataLoader的創(chuàng)建和遍歷/
2.5.7數(shù)據(jù)增強(qiáng)/
2.6nn模塊與網(wǎng)絡(luò)構(gòu)建/
2.6.1卷積模塊的使用/
2.6.2批歸一化層/
2.6.3池化層/
2.6.4全連接層/
2.6.5常用激活函數(shù)/
2.6.6邊緣填充/
2.6.7Dropout層/
2.6.8損失函數(shù)層/
2.6.9模塊組合Sequential/
2.6.10網(wǎng)絡(luò)構(gòu)建實(shí)例/
2.7train與eval模式/
2.8優(yōu)化器選擇與綁定/
2.9自動(dòng)求導(dǎo)機(jī)制與計(jì)算圖/
2.9.1requires_grad/
2.9.2自動(dòng)求導(dǎo)backward/
2.9.3葉子節(jié)點(diǎn)is_leaf/
2.9.4梯度函數(shù)grad_fn/
2.9.5計(jì)算圖分離detach/
2.9.6圖保持retain_graph/
2.9.7關(guān)閉梯度計(jì)算no_grad/
2.10模型保存與加載/
2.10.1模型文件的保存/
2.10.2模型文件的加載/
2.10.3聯(lián)合保存與加載/
2.10.4保存與加載多個(gè)網(wǎng)絡(luò)模型/
2.11模型設(shè)計(jì)和實(shí)現(xiàn)的完整流程/
2.11.1參數(shù)定義/
2.11.2準(zhǔn)備數(shù)據(jù)、定義存儲(chǔ)結(jié)果的容器/
2.11.3定義自編碼網(wǎng)絡(luò)/
2.11.4定義優(yōu)化器與損失函數(shù)/
2.11.5訓(xùn)練模型/
2.11.6效果分析/
2.12網(wǎng)絡(luò)結(jié)構(gòu)可視化/
2.13拓展閱讀/
2.13.1學(xué)習(xí)率調(diào)整策略/
2.13.2獲取網(wǎng)絡(luò)的命名參數(shù)/
2.13.3參數(shù)初始化/
2.14本章小結(jié)/

第3章Android應(yīng)用構(gòu)建/
3.1Android Studio安裝與項(xiàng)目構(gòu)建/
3.1.1Android Studio的下載和安裝/
3.1.2創(chuàng)建Android項(xiàng)目/
3.2Manifest文件/
3.3界面布局/
3.4項(xiàng)目主活動(dòng)與App啟動(dòng)/
3.5資源文件/
3.5.1顏色定義文件/
3.5.2字符串定義文件/
3.5.3形狀定義文件/
3.5.4圖像文件/
3.6核心控件使用/
3.6.1展示文字/
3.6.2展示圖像/
3.6.3按鈕和監(jiān)聽機(jī)制/
3.7相機(jī)、相冊和圖像保存/
3.8生成APK/
3.8.1自定義APK圖標(biāo)與名稱/
3.8.2創(chuàng)建發(fā)布版APK/
3.9Bitmap格式/
3.10部署庫下載/
3.11移動(dòng)端神經(jīng)網(wǎng)絡(luò)實(shí)例/
3.11.1定義神經(jīng)網(wǎng)絡(luò)/
3.11.2Python端導(dǎo)出pt文件/
3.11.3將pt文件移入Android開發(fā)環(huán)境/
3.11.4在Java代碼中加載神經(jīng)網(wǎng)絡(luò)模型/
3.11.5讀取圖像并進(jìn)行縮放/
3.11.6構(gòu)建輸入張量/
3.11.7進(jìn)行前向推理/
3.11.8處理輸出結(jié)果/
3.11.9界面設(shè)計(jì)/
3.11.10完整代碼與界面效果/
3.12本章小結(jié)/

第4章圖像分類/
4.1圖像分類概述/
4.2MobileNet介紹/
4.3深度可分離卷積/
4.4MobileNet V1/
4.4.1網(wǎng)絡(luò)結(jié)構(gòu)/
4.4.2網(wǎng)絡(luò)搭建/
4.5MobileNet V2/
4.5.1網(wǎng)絡(luò)結(jié)構(gòu)/
4.5.2網(wǎng)絡(luò)搭建/
4.6數(shù)據(jù)處理/
4.6.1數(shù)據(jù)介紹/
4.6.2Kaggle API介紹/
4.6.3數(shù)據(jù)處理/
4.7模型訓(xùn)練/
4.8圖像分類App/
4.8.1分類功能界面設(shè)計(jì)/
4.8.2分類推理與解析/
4.9本章小結(jié)/

第5章 圖像分割/
5.1前景背景與人像分割/
5.2圖像分割網(wǎng)絡(luò)/
5.2.1FCN/
5.2.2UNet/
5.2.3分割損失函數(shù)/
5.3分割數(shù)據(jù)集構(gòu)建與讀取/
5.3.1標(biāo)注工具介紹/
5.3.2分割數(shù)據(jù)集下載/
5.3.3成對圖像讀取與數(shù)據(jù)增強(qiáng)/
5.4分割網(wǎng)絡(luò)的訓(xùn)練與驗(yàn)證/
5.4.1項(xiàng)目構(gòu)建與超參數(shù)設(shè)置/
5.4.2分割網(wǎng)絡(luò)訓(xùn)練/
5.4.3分割損失函數(shù)收斂性分析/
5.4.4人像分割測試/
5.5人像分割A(yù)pp/
5.5.1分割功能界面設(shè)計(jì)/
5.5.2獲取掩碼與前景圖像應(yīng)用/
5.6本章小結(jié)/

第6章 低光照圖像質(zhì)量增強(qiáng)/
6.1伽馬變換與低光照圖像/
6.2場景分析與像素直方圖/
6.3增強(qiáng)算法LLCNN/
6.3.1殘差暗光增強(qiáng)網(wǎng)絡(luò)/
6.3.2增強(qiáng)網(wǎng)絡(luò)實(shí)現(xiàn)/
6.3.3增強(qiáng)損失函數(shù)/
6.4數(shù)據(jù)集構(gòu)建和下載/
6.5增強(qiáng)網(wǎng)絡(luò)訓(xùn)練與驗(yàn)證/
6.5.1項(xiàng)目構(gòu)建/
6.5.2增強(qiáng)網(wǎng)絡(luò)訓(xùn)練/
6.5.3像素級損失函數(shù)收斂分析/
6.5.4增強(qiáng)算法能力驗(yàn)證/
6.6低光照圖像增強(qiáng)App/
6.6.1功能設(shè)定與界面設(shè)計(jì)/
6.6.2模型前向推理/
6.7本章小結(jié)/

第7章 GAN動(dòng)漫人臉生成/
7.1GAN動(dòng)漫人臉生成概述/
7.2深度卷積對抗網(wǎng)絡(luò)DCGAN/
7.2.1生成器/
7.2.2判別器/
7.2.3損失函數(shù)/
7.2.4生成器搭建/
7.2.5判別器搭建/
7.2.6訓(xùn)練代碼/
7.3條件式對抗網(wǎng)絡(luò)CGAN/
7.3.1CGAN原理/
7.3.2CGAN實(shí)現(xiàn)/
7.4輔助分類對抗網(wǎng)絡(luò)ACGAN/
7.4.1ACGAN原理/
7.4.2ACGAN實(shí)現(xiàn)/
7.5動(dòng)漫頭像生成App/
7.5.1頭像生成界面設(shè)計(jì)/
7.5.2數(shù)據(jù)生成與解析/
7.6拓展閱讀/
7.7本章小結(jié)/

第8章 圖像風(fēng)格遷移/
8.1風(fēng)格遷移概述/
8.2風(fēng)格遷移網(wǎng)絡(luò)/
8.2.1基礎(chǔ)原理/
8.2.2內(nèi)容特征/
8.2.3風(fēng)格特征/
8.2.4重構(gòu)網(wǎng)絡(luò)/
8.2.5風(fēng)格遷移代碼實(shí)現(xiàn)/
8.3快速風(fēng)格遷移/
8.3.1生成網(wǎng)絡(luò)/
8.3.2損失網(wǎng)絡(luò)/
8.3.3快速風(fēng)格遷移代碼實(shí)現(xiàn)/
8.4圖像風(fēng)格化App/
8.4.1風(fēng)格化功能界面設(shè)計(jì)/
8.4.2三種風(fēng)格的生成與解析/
8.5本章小結(jié)/

第9章 無監(jiān)督風(fēng)格互換/
9.1成對數(shù)據(jù)與不成對數(shù)據(jù)/
9.2cycleGAN原理與實(shí)現(xiàn)/
9.2.1無監(jiān)督設(shè)計(jì)原理/
9.2.2對稱生成器與判別器的設(shè)計(jì)及實(shí)現(xiàn)/
9.2.3對抗性損失和循環(huán)一致性損失/
9.3兩種風(fēng)格數(shù)據(jù)集的構(gòu)建與讀取/
9.3.1數(shù)據(jù)集獲取/
9.3.2數(shù)據(jù)讀取/
9.4無監(jiān)督訓(xùn)練與驗(yàn)證/
9.4.1項(xiàng)目構(gòu)建/
9.4.2無監(jiān)督cycleGAN訓(xùn)練/
9.4.3風(fēng)格轉(zhuǎn)換驗(yàn)證/
9.5水果風(fēng)格互換應(yīng)用/
9.5.1水果風(fēng)格轉(zhuǎn)換界面設(shè)計(jì)/
9.5.2兩種風(fēng)格模型的前向推理/
9.6本章小結(jié)/