AI源码解读：卷积神经网络深度学习案例 pdf下载

融汇科研与教学经验，案例可二次开发利用！阿里巴巴|字节跳动|讯飞智元|腾讯|百度|微软专家联袂推荐！配套程序代码、工程文件、附赠案例！

本书以人工智能发展为时代背景,通过20个机器学习模型和算法案例,为读者提供较为详细的实战方案,以便进行深度学习。在编排方式上,全书侧重对创新项目的过程进行介绍,分别从整体设计、系统流程和实现模块等角度论述数据处理、模型训练和模型应用等过程,并剖析模块的功能、使用及程序代码。为便于读者高效学习,快速掌握人工智能程序开发方法,本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等资料,可供读者举一反三,二次开发。本书语言简洁,深入浅出,通俗易懂,不仅适合对Python编程有兴趣的爱好者,而且可作为高等院校相关专业的参考教材,还可作为从事智能应用创新开发专业人员的技术参考书。

李永华：北京邮电大学，教授，拥有超过10年的软硬件开发经验，长期致力于物联网、云计算与人工智能的研究工作。在教学中以兴趣为导向，激发学生的创造性；以素质为基础，提高自身教学水平；以科研为手段，促进教学理念的转变，在教学与科研实践中指导学生实现300余个创新案例。主持30余项国j级与企事业单位课题的研究工作，在国内外学术期刊及会议发表论文100余篇，申请专利50余项，出版图书20余部。

★人工智能是未来社会的发展方向。基于Python的人工智能应用程序具有可扩展、可重构、可移植的独特优势，已在越来越多的行业中应用。目前，市场上大多数介绍人工智能应用开发的图书是以算法知识为主体的，本书的不同之处是通过人工智能的应用案例，进行源码解读，有助于读者快速入门，真正提高人工智能项目实战的能力。

——徐晟 阿里巴巴公司资深技术专家

★本书针对人工智能的创新应用案例，先介绍案例的具体实现过程，再介绍主函数的调用方法。读者既可以参考核心算法的实现，也可以直接修改主程序测试用例，满足了不同层次开发人员的需求，具有很高的参考价值！

——陈岭 微软公司资深项目经理

★本书以当前流行的人工智能应用为素材，采取了以案例讲解原理的方式，结合流行的模型和算法，将实际数据采用不同的算法与模型进行验证，可以抛砖引玉，二次开发。

——黄旭新 百度公司工程师

★本书以人工智能创新案例为主线，论述了各项目案例的功能、流程、代码及运行结果；书中案例涉及多种经典算法的具体应用，是一部内容丰富且极具实用性的著作。

——李艺鑫 腾讯公司工程师

★本书是一部论述人工智能实践开发的著作。书中对当前流行的人工智能算法和模型实现代码进行解读，可以培养读者的编程兴趣，提高编写代码水平，既适合Python 程序员参考，也适合高校大学生、软件开发培训机构学员及相关求职人员阅读。

——董德武 讯飞智元公司产品总监

★本书通俗易懂，案例新颖，趣味性强，能启迪读者的创新思维。书中案例涉及行业广泛，实用性强。在学习本书过程中，读者可以边学边练，既可以提高编程兴趣，又可以获得编程技巧，并深入领会Python 项目开发的精髓，进而通过案例源代码和数据库进行二次开发。

——高祥 字节跳动公司工程师

项目1电影推荐小程序

1.1总体设计

1.1.1系统整体结构

1.1.2系统流程

1.2运行环境

1.2.1Python环境

1.2.2TensorFlow环境

1.3模块实现

1.3.1数据预处理

1.3.2模型设计

1.3.3模型训练及测试

1.3.4特征矩阵提取

1.3.5推荐电影

1.3.6客户端

1.4系统测试

1.4.1训练准确率

1.4.2运行结果

项目2服装分类助手

2.1总体设计

2.1.1系统整体结构

2.1.2系统流程

2.2运行环境

2.2.1Python环境

2.2.2PyTorch环境

2.2.3Django环境

2.3模块实现

2.3.1数据预处理

2.3.2模型创建与编译

2.3.3模型训练及保存

2.3.4模型生成

2.4系统测试

2.4.1训练准确率

2.4.2测试效果

2.4.3模型应用

项目3检索式模型聊天机器人

3.1总体设计

3.1.1系统整体结构

3.1.2系统流程

3.2运行环境

3.2.1Python环境

3.2.2TensorFlow环境

3.3模块实现

3.3.1数据预处理

3.3.2模型创建与编译

3.3.3模型训练及保存

3.3.4模型生成

3.4系统测试

3.4.1训练准确率

3.4.2测试效果

3.4.3模型应用

项目4方言种类识别

4.1总体设计

4.1.1系统整体结构

4.1.2系统流程

4.2运行环境

4.2.1Python环境

4.2.2TensorFlow环境

4.2.3Jupyter Notebook环境

4.2.4PyCharm环境

4.3模块实现

4.3.1数据预处理

4.3.2模型构建

4.3.3模型训练及保存

4.3.4模型生成

4.4系统测试

4.4.1训练准确率

4.4.2测试效果

项目5行人检测与追踪计数

5.1总体设计

5.1.1系统整体结构

5.1.2系统流程

5.2运行环境

5.2.1Python环境

5.2.2TensorFlow环境

5.2.3安装所需的软件包

5.2.4硬件环境

5.3模块实现

5.3.1准备数据

5.3.2数据预处理

5.3.3目标检测

5.3.4目标追踪

5.3.5主函数

5.4系统测试

项目6智能果实采摘指导系统

6.1总体设计

6.1.1系统整体结构

6.1.2系统流程

6.2运行环境

6.2.1Python环境

6.2.2TensorFlow环境

6.2.3Jupyter Notebook环境

6.2.4PyCharm环境

6.2.5微信开发者工具

6.2.6OneNET云平台

6.3模块实现

6.3.1数据预处理

6.3.2创建模型与编译

6.3.3模型训练及保存

6.3.4上传结果

6.3.5小程序开发

6.4系统测试

6.4.1训练准确率

6.4.2测试效果

6.4.3外部访问效果

项目7基于CNN的猫种类识别

7.1总体设计

7.1.1系统整体结构

7.1.2系统流程

7.2运行环境

7.2.1计算型云服务器

7.2.2Python环境

7.2.3TensorFlow环境

7.2.4MySQL环境

7.2.5Django环境

7.3模块实现

7.3.1数据预处理

7.3.2数据增强

7.3.3普通CNN模型

7.3.4残差网络模型

7.3.5模型生成

7.4系统测试

7.4.1训练准确率

7.4.2测试效果

7.4.3模型应用

项目8基于VGG16的驾驶行为分析

8.1总体设计

8.1.1系统整体结构

8.1.2系统流程

8.2运行环境

8.2.1Python环境

8.2.2TensorFlow环境

8.2.3Android环境

8.3模块实现

8.3.1数据预处理

8.3.2模型构建

8.3.3模型训练及保存

8.3.4模型生成

8.4系统测试

8.4.1训练准确率

8.4.2测试效果

8.4.3模型应用

项目9基于Mask RCNN的娱乐视频生成器

9.1总体设计

9.1.1系统整体结构

9.1.2系统流程

9.2运行环境

9.2.1Python环境

9.2.2PyTorch环境

9.2.3Detectron2平台

9.2.4MoviePy的安装

9.2.5PyQt的安装

9.3模块实现

9.3.1数据处理

9.3.2视频处理

9.3.3PyQt界面

9.4系统测试

9.4.1训练准确率

9.4.2运行效率

9.4.3应用使用说明

项目10基于CycleGAN的图像转换

10.1总体设计

10.1.1系统整体结构

10.1.2系统流程

10.2运行环境

10.2.1Python环境

10.2.2TensorFlow GPU环境

10.2.3Android环境

10.3模块实现

10.3.1数据集预处理

10.3.2模型构建

10.3.3模块分析

10.3.4模型训练及保存

10.3.5模型生成

10.4系统测试

项目11交通警察——车辆监控系统

11.1总体设计

11.1.1系统整体结构

11.1.2系统流程

11.2运行环境

11.2.1Python环境

11.2.2TensorFlow环境

11.2.3PyCharm IDE配置

11.2.4Protoc配置

11.3模块实现

11.3.1API下载及载入

11.3.2识别训练

11.3.3导入模型与编译

11.3.4模型生成

11.4系统测试

项目12验证码的生成与识别

12.1总体设计

12.1.1系统整体结构

12.1.2系统流程

12.2运行环境

12.2.1Python环境

12.2.2TensorFlow环境

12.2.3VsCode环境

12.3模块实现

12.3.1数据预处理

12.3.2模型搭建

12.3.3模型训练及保存

12.3.4模型测试

12.4系统测试

12.4.1训练准确率

12.4.2测试效果

项目13基于CNN的交通标志识别

13.1总体设计

13.1.1系统整体结构

13.1.2系统流程

13.2运行环境

13.3模块实现

13.3.1数据预处理

13.3.2模型构建

13.3.3模型训练及保存

13.4系统测试

13.4.1训练准确率

13.4.2测试效果

项目14图像风格转移

14.1总体设计

14.1.1系统整体结构

14.1.2系统流程

14.2运行环境

14.2.1Python环境

14.2.2TensorFlow环境

14.2.3库安装

14.2.4VGG19网络下载

14.3模块实现

14.3.1实时风格转移

14.3.2非实时风格转移

14.3.3交互界面设计

14.4系统测试

14.4.1非实时风格转移测试

14.4.2实时风格转移测试

项目15口罩识别系统

15.1总体设计

15.1.1系统整体结构

15.1.2系统流程

15.2运行环境

15.3模块实现

15.3.1数据预处理

15.3.2模型训练及保存

15.3.3页面显示和视频流输入

15.3.4模型生成

15.4系统测试

15.4.1训练准确率

15.4.2测试效果

项目16垃圾分类微信小程序

16.1总体设计

16.1.1系统整体结构

16.1.2系统流程

16.2运行环境

16.2.1Python环境

16.2.2TensorFlow环境

16.2.3微信小程序及后台服务器环境

16.3模块实现

16.3.1数据预处理

16.3.2创建模型与编译

16.3.3模型训练及保存

16.3.4模型生成

16.4系统测试

16.4.1训练准确率

16.4.2测试效果

16.4.3模型应用

项目17基于OpenCV的人脸识别程序

17.1总体设计

17.1.1系统整体结构

17.1.2系统流程

17.2运行环境

17.2.1Python环境

17.2.2TensorFlow环境

17.3模块实现

17.3.1数据预处理

17.3.2模型构建

17.3.3模型训练

17.4系统测试

项目18基于CGAN的线稿自动上色

18.1总体设计

18.1.1系统整体结构

18.1.2系统流程

18.2运行环境

18.2.1Python环境

18.2.2TensorFlow环境

18.3模块实现

18.3.1数据预处理

18.3.2模型构建

18.3.3模型训练及保存

18.3.4模型应用

18.4系统测试

18.4.1训练效果

18.4.2测试效果

18.4.3模型使用说明

项目19基于ACGAN的动漫头像生成

19.1总体设计

19.1.1系统整体结构

19.1.2系统流程

19.2运行环境

19.2.1Python环境

19.2.2TensorFlow环境

19.2.3OpenCV环境

19.2.4Illustration2Vec

19.3模块实现

19.3.1数据获取

19.3.2数据处理

19.3.3模型构建

19.3.4模型训练及保存

19.4系统测试

19.4.1模型导入及调用

19.4.2生成指定标签

项目20手势语言识别

20.1总体设计

20.1.1系统整体结构

20.1.2系统流程

20.2运行环境

20.2.1Python环境

20.2.2TensorFlow环境

20.2.3OpenCVPython环境

20.3模块实现

20.3.1设置直方图

20.3.2载入手势图片

20.3.3模型训练及保存

20.4系统测试

20.4.1测试准确率

20.4.2测试效果

前言

Python作为人工智能和大数据领域的主要开发语言，具有灵活性强、扩展性好、应用面广、可移植、可扩展、可嵌入等特点，近年来发展迅速，热度不减，相关人才需求量逐年攀升，已经成为高等院校的专业课程。

为适应当前教学改革的要求，更好地践行人工智能模型与算法的应用，本书以实践教学与创新能力培养为目标，采取了创新方式，从不同难度、不同类型、不同算法，融合了同类教材的优点，将实际智能应用案例进行总结，希望起到抛砖引玉的作用。

本书的主要内容和素材来自开源网站的人工智能经典模型算法、信息工程专业创新课程内容、作者所在学校近几年承担的科研项目成果及作者指导学生完成的创新项目。通过这些创新项目同学们不仅学到了知识，提高了能力，而且为本书提供了第一手素材和相关资料。

本书内容由总述到分述、先理论后实践，采用系统整体架构、系统流程与代码实现相结合，对于从事人工智能开发、机器学习和算法实现的专业技术人员可以作为技术参考书、提高其工程创新能力；也可以作为信息通信工程及相关专业本科生的参考书，为机器学习模型分析、算法设计和实现提供帮助。

本书的编写得到了教育部电子信息类专业教学指导委员会、信息工程专业国家第一类特色专业建设项目、信息工程专业国家第二类特色专业建设项目、教育部CDIO工程教育模式研究与实践项目、教育部本科教学工程项目、信息工程专业北京市特色专业建设、北京市教育教学改革项目以及北京邮电大学教育教学改革项目（2020JC03）的大力支持，在此表示感谢！

由于作者经验与水平有限，书中疏漏之处在所难免，衷心地希望各位读者多提宝贵意见及具体整改措施，以便作者进一步修改和完善。

编者2021年7月