PyTorch神经网络实战：移动端图像处理

封面

版权页

作者简介

前言

第1章 人工智能与深度学习

1.1 人工智能简介

1.2 深度学习理论基础

1.3 深度学习实践细节

1.4 本章小结

第2章 PyTorch指南

2.1 安装与测试

2.2 核心模块

2.3 模型构建流程图

2.4 张量Tensor

2.5 数据读取与预处理

2.6 nn模块与网络构建

2.7 train与eval模式

2.8 优化器选择与绑定

2.9 自动求导机制与计算图

2.10 模型保存与加载

2.11 模型设计和实现的完整流程

2.12 网络结构可视化

2.13 拓展阅读

2.14 本章小结

第3章 Androic应用构建

3.1 Android Studio安装与项目构建

3.2 Manifest文件

3.3 界面布局

3.4 项目主活动与App启动

3.5 资源文件

3.6 核心控件使用

3.7 相机、相册和图像保存

3.8 生成APK

3.9 Bitmap格式

3.10 部署库下载

3.11 移动端神经网络实例

3.12 本章小结

第4章 图像分类

4.1 图像分类概述

4.2 MobileNet介绍

4.3 深度可分离卷积

4.4 MobileNet V1

4.5 MobileNet V2

4.6 数据处理

4.7 模型训练

4.8 图像分类App

4.9 本章小结

第5章 图像分割

5.1 前景背景与人像分割

5.2 图像分割网络

5.3 分割数据集构建与读取

5.4 分割网络的训练与验证

5.5 人像分割App

5.6 本章小结

第6章 低光照图像质量增强

6.1 伽马变换与低光照图像

6.2 场景分析与像素直方图

6.3 增强算法LLCNN

6.4 数据集构建和下载

6.5 增强网络训练与验证

6.6 低光照图像增强App

6.7 本章小结

第7章 GAN动漫人脸生成

7.1 GAN动漫人脸生成概述

7.2 深度卷积对抗网络DCGAN

7.3 条件式对抗网络CGAN

7.4 辅助分类对抗网络ACGAN

7.5 动漫头像生成App

7.6 拓展阅读

7.7 本章小结

第8章 图像风格迁移

8.1 风格迁移概述

8.2 风格迁移网络

8.3 快速风格迁移

8.4 图像风格化App

8.5 本章小结

第9章 无监督风格互换

9.1 成对数据与不成对数据

9.2 cycleGAN原理与实现

9.3 两种风格数据集的构建与读取

9.4 无监督训练与验证

9.5 水果风格互换应用

9.6 本章小结