Библиотека руководств по мобильному машинному обучению
Учебное пособие (Mobile ML)
Этот том Heartbeat посвящен учебному пособию - источнику жизненной силы экосистемы технического письма. Ниже приводится список наших любимых руководств по мобильному машинному обучению от Heartbeat, других публикаций, которыми мы восхищаемся, и из Интернета в целом.
Если вы не видите здесь свою любимую тему, мы активно ищем учебные пособия по широкому кругу тем машинного обучения и мобильных устройств, в том числе: GAN, LSTM, OpenCV, AR, React Native и обзоры текущих методов в CV и NLP. . Так что предложите нам тему и станьте автором Heartbeat! Надеемся, вы найдете вдохновение в следующем списке.
iOS
Использование Core ML и ARKit для создания приложения iOS с интерфейсом на основе жестов
Используйте мобильное машинное обучение и дополненную реальность для работы в Интернете с помощью жестов. "[Читать далее]"
Создание приложения, похожего на Prisma, с помощью Core ML, Style Transfer и Turi Create
Узнайте, как создать собственную модель Core ML, которая превращает изображения в художественные шедевры. "[Читать далее]"
Обнаружение пневмонии в приложении для iOS с помощью Create ML
Узнайте, как использовать Create ML для обучения и реализации собственной модели классификации изображений в приложении iOS. "[Читать далее]"
Интеллектуальное распознавание жестов на iOS с помощью Core ML и TensorFlow
Узнайте, как реализовать распознавание жестов на основе машинного обучения в приложении для iOS. "[Читать далее]"
Использование Core ML и Vision в iOS для определения возраста
Узнайте, как создать приложение для iOS, определяющее возраст, с помощью Core ML и платформы Apple Vision. "[Читать далее]"
Обучение пользовательской модели с помощью IBM Watson Studio
И используйте его в своем приложении для iOS с помощью Core ML и Vision. "[Читать далее]"
Создание калькулятора камеры iOS с помощью Core ML’s Vision и Tesseract OCR
Используя Vision Core ML в iOS и Tesseract, узнайте, как создавать приложения для iOS, основанные на компьютерном зрении и оптическом распознавании символов. "[Читать далее]"
MobileNetV2 + SSDLite с Core ML
Подробное описание работы со сложной моделью обнаружения объектов и ее преобразования в Core ML. "[Читать далее]"
Создайте свой портретный режим на iOS с помощью машинного обучения за ‹30 минут
Узнайте, как создать приложение для iOS, которое может отделить людей от фона - зеленый экран не требуется. "[Читать далее]"
Распознавание чисел в реальном времени (MNIST) на iPhone с Core ML - от А до Я
Узнайте, как создать и обучить сеть глубокого обучения распознаванию чисел (MNIST), преобразовать ее в Core ML, развернуть на своем iPhoneX и заставить распознавать числа в режиме реального времени. "[Читать далее]"
ANDROID
Введение в машинное обучение на Android (часть 1)
Узнайте, как преобразовать пользовательскую модель в TensorFlow Lite для Android. "[Читать далее]"
Введение в машинное обучение на Android (часть 2)
Создайте приложение, распознающее рукописные цифры, с помощью TensorFlow Lite. "[Читать далее]"
Создание собственного фильтра AR в стиле Snapchat на Android с помощью TensorFlow Lite
Узнайте, как разместить фильтры AR поверх изображения с камеры в реальном времени. "[Читать далее]"
Развертывание моделей PyTorch и Keras на Android с помощью TensorFlow Mobile
Узнайте, как преобразовать обученные модели в TensorFlow, добавить TensorFlow Mobile в качестве зависимости в приложение для Android и выполнить логический вывод в своем приложении с помощью модели TensorFlow. "[Читать далее]"
Мобильная разведка - классификация дорожных знаков с использованием обновленной модели MobileNet
Построение модели классификации TensorFlow Lite для набора данных GTSRB. "[Читать далее]"
Обнаружение лиц в реальном времени на Android с помощью ML Kit
Используя ML Kit, узнайте, как создать приложение, которое может обнаруживать лица на изображении в режиме реального времени. "[Читать далее]"
Создание индивидуальной модели машинного обучения на Android с помощью TensorFlow Lite
Узнайте, как создать собственную модель, которая может классифицировать различные виды закусок в зависимости от их упаковки. "[Читать далее]"
Определение и подсчет элементов в режиме реального времени с помощью Fritz Object Detection для Android
Узнайте, как обнаруживать и подсчитывать предметы в реальном времени на Android с помощью Fritz Object Detection. "[Читать далее]"
Подключите устройства Android к смартфону с помощью функции Nearby Connections 2.0
Введение в API-интерфейс Nearby Connections 2.0 и его использование для сопряжения смартфона Android с устройством Android Things. "[Читать далее]"
КРОСС-ПЛАТФОРМА
Создание приложений для распознавания текста для iOS и Android с помощью React Native
Узнайте, как создавать приложения для Android и iOS на базе машинного обучения с помощью React-Native, которые могут обнаруживать текст в реальном времени. "[Читать далее]"
Набор ML и маркировка изображений во Flutter
Узнайте, как комбинировать Flutter и ML Kit для маркировки изображений в режиме реального времени. "[Читать далее]"
Нейронные сети на мобильных устройствах с TensorFlow Lite
Практическое полное руководство по созданию мобильного приложения с использованием TensorFlow Lite, которое классифицирует изображения. "[Читать далее]"
Использование обнаружения объектов из приложения Xamarin
Узнайте, как создать модель, которая может идентифицировать и обнаруживать разных обезьян на фотографиях, сделанных с помощью кроссплатформенного приложения Xamarin.Forms. "[Читать далее]"
Построение модели распознавания изображений для мобильных устройств с помощью глубинной свертки
Узнайте, что такое глубинные свертки и как их можно использовать для создания моделей машинного обучения, достаточно эффективных для развертывания на мобильных устройствах. "[Читать далее]"
Глубокое обучение с помощью React Native
Изучите различия между ИИ, машинным обучением и глубоким обучением, а затем узнайте, как реализовать глубокое обучение в приложении React Native. "[Читать далее]"
Создайте приложение для передачи художественного стиля на базе искусственного интеллекта с помощью Fritz и React Native
Превратите свои фотографии и видео в художественные шедевры с Fritz и React Native. "[Читать далее]"
Как использовать OpenCV в React Native для обработки изображений OpenCV
Изучите методы обработки изображений при работе с OpenCV + React Native. "[Читать далее]"
Создайте приложение для распознавания изображений React Native с помощью Google Vision API
Интегрируйте API Google Cloud Vision в приложение React Native. "[Читать далее]"
МАЛИНОВЫЕ УСТРОЙСТВА PI / EDGE
Обнаружение объектов в реальном времени на Raspberry Pi с использованием OpenCV DNN
Узнайте, как использовать модуль Deep Neural Network (DNN) OpenCV для обнаружения объектов в реальном времени на Raspberry Pi. "[Читать далее]"
Глубокое обучение на передовой
Подробный анализ глубокого обучения на периферии, охватывающий как преимущества, так и недостатки, и сравнение его с более традиционными методами облачных вычислений. "[Читать далее]"
Создайте приложение для машинного обучения с Raspberry Pi
Узнайте, как построить модель машинного обучения на Raspberry Pi 3, и изучите преимущества и ограничения построения моделей для микроконтроллеров. "[Читать далее]"
Edge TPU: практическая работа с Google Coral USB Accelerator
Первый взгляд на Coral’s Edge TPU USB Accelerator, анонсированный и продемонстрированный на саммите разработчиков TensorFlow в этом году. "[Читать далее]"
Примечание редактора. Heartbeat - это онлайн-публикация и сообщество, созданное авторами и посвященное изучению зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.
Независимая редакция, Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам учить устройства видеть, слышать, ощущать и думать. Мы платим участникам и не продаем рекламу.
Если вы хотите внести свой вклад, переходите к нашему призыву участников. Вы также можете подписаться на наши еженедельные информационные бюллетени (Deep Learning Weekly и Fritz AI Newsletter), присоединяйтесь к нам на » «Slack и подписывайтесь на Fritz AI в Twitter , чтобы узнавать обо всех последних новостях в области мобильного машинного обучения.