最新章節

• 20.4 系統測試
• 20.3.3 模型訓練及保存
• 20.3.2 模型構建
• 20.3.1 數據預處理
• 20.3 模塊實現
• 20.2.3 models環境

• 20.4 系統測試 更新時間：2022-07-27 17:27:53
• 20.3.3 模型訓練及保存
• 20.3.2 模型構建
• 20.3.1 數據預處理
• 20.3 模塊實現
• 20.2.3 models環境
• 20.2.2 TensorFlow環境
• 20.2.1 Python環境
• 20.2 運行環境
• 20.1.2 系統流程
• 20.1.1 系統整體結構
• 20.1 總體設計
• 項目20 PROJECT 20 基于TensorFlow的人臉檢測及追蹤
• 19.4.3 模型應用
• 19.4.2 測試效果
• 19.4.1 訓練準確率
• 19.4 系統測試
• 19.3.5 模型生成
• 19.3.4 API調用
• 19.3.3 模型訓練
• 19.3.2 模型構建
• 19.3.1 數據預處理
• 19.3 模塊實現
• 19.2.4 wxPython的安裝
• 19.2.3 Keras環境
• 19.2.2 TensorFlow環境
• 19.2.1 Python環境
• 19.2 運行環境
• 19.1.2 系統流程
• 19.1.1 系統整體結構
• 19.1 總體設計
• 項目19 PROJECT 19 遷移學習的狗狗分類器
• 18.4.2 網絡的加速與壓縮
• 18.4.1 風格遷移效果
• 18.4 系統測試
• 18.3.4 模型測試
• 18.3.3 模型訓練及保存
• 18.3.2 創建模型
• 18.3.1 數據預處理
• 18.3 模塊實現
• 18.2.2 GPU環境
• 18.2.1 Python環境
• 18.2 運行環境
• 18.1.2 系統流程
• 18.1.1 系統整體結構
• 18.1 總體設計
• 項目18 PROJECT 18 深度神經網絡壓縮與加速技術在風格遷移中的應用
• 17.4 系統測試
• 17.3.4 結果展示
• 17.3.3 模型調用與結果優化
• 17.3.2 模型構建與訓練
• 17.3.1 數據預處理
• 17.3 模塊實現
• 17.2 運行環境
• 17.1.2 系統流程
• 17.1.1 系統整體結構
• 17.1 總體設計
• 項目17 PROJECT 17 黑白圖像自動著色
• 16.4.2 測試效果
• 16.4.1 GAN網絡損失變化
• 16.4 系統測試
• 16.3.6 程序打包
• 16.3.5 GUI設計
• 16.3.4 程序實現
• 16.3.3 模型訓練
• 16.3.2 模型構建
• 16.3.1 數據預處理
• 16.3 模塊實現
• 16.2.3 OpenFace環境
• 16.2.2 TensorFlow環境
• 16.2.1 Python環境
• 16.2 運行環境
• 16.1.2 系統流程
• 16.1.1 系統整體結構
• 16.1 總體設計
• 項目16 PROJECT 16 圖像智能修復
• 15.4.2 模型應用
• 15.4.1 測試效果
• 15.4 系統測試
• 15.3.4 前端界面
• 15.3.3 模型訓練及保存
• 15.3.2 模型構建
• 15.3.1 數據預處理
• 15.3 模塊實現
• 15.2.4 pyttsx3環境
• 15.2.3 wxPython和OpenCV環境
• 15.2.2 TensorFlow環境
• 15.2.1 Python環境
• 15.2 運行環境
• 15.1.2 系統流程
• 15.1.1 系統整體結構
• 15.1 總體設計
• 項目15 PROJECT 15 CASIA-HWDB手寫漢字識別
• 14.4.3 程序應用
• 14.4.2 測試效果
• 14.4.1 訓練準確率
• 14.4 系統測試
• 14.3.4 界面化及應用
• 14.3.3 模型訓練及保存
• 14.3.2 模型構建
• 14.3.1 數據預處理
• 14.3 模塊實現
• 14.2.3 PyQt5環境
• 14.2.2 PyTorch環境
• 14.2.1 Python環境
• 14.2 運行環境
• 14.1.2 系統流程
• 14.1.1 系統整體結構
• 14.1 總體設計
• 項目14 PROJECT 14 基于PyTorch的快速風格遷移
• 13.4.2 固定風格模式測試結果
• 13.4.1 任意風格模式測試結果
• 13.4 系統測試
• 13.3.3 固定風格模式
• 13.3.2 任意風格模式
• 13.3.1 模式選擇
• 13.3 模塊實現
• 13.2.3 Keras環境
• 13.2.2 TensorFlow環境
• 13.2.1 Anaconda環境
• 13.2 運行環境
• 13.1.2 系統流程
• 13.1.1 系統整體結構
• 13.1 總體設計
• 項目13 PROJECT 13 濾鏡復制
• 12.4 系統測試
• 12.3.7 本地單機程序
• 12.3.6 服務器端架構
• 12.3.5 模型訓練及保存
• 12.3.4 定義損失函數
• 12.3.3 定義模型
• 12.3.2 數據導入
• 12.3.1 數據預處理
• 12.3 模塊實現
• 12.2.4 PyQt環境配置
• 12.2.3 網頁端Flask框架
• 12.2.2 PyTorch環境
• 12.2.1 Python環境
• 12.2 運行環境
• 12.1.2 系統流程
• 12.1.1 系統整體結構
• 12.1 總體設計
• 項目12 PROJECT 12 基于SRGAN的單圖像超分辨率
• 11.4.3 模型應用
• 11.4.2 測試效果
• 11.4.1 訓練準確率
• 11.4 系統測試
• 11.3.5 前端與后臺搭建
• 11.3.4 模型測試
• 11.3.3 模型訓練及保存
• 11.3.2 數據構建
• 11.3.1 數據制作
• 11.3 模塊實現
• 11.2.3 微信小程序環境
• 11.2.2 環境配置與工具包
• 11.2.1 Python環境與Flask框架
• 11.2 運行環境
• 11.1.2 系統流程
• 11.1.1 系統整體結構
• 11.1 總體設計
• 項目11 PROJECT 11 基于CNN的SNEAKERS識別
• 10.4.3 可視化界面應用
• 10.4.2 測試效果
• 10.4.1 訓練準確率
• 10.4 系統測試
• 10.3.5 可視化界面的實現
• 10.3.4 亂序成語驗證碼識別
• 10.3.3 模型二的構建和訓練
• 10.3.2 模型一的構建和訓練
• 10.3.1 數據預處理
• 10.3 模塊實現
• 10.2.3 安裝所需的包
• 10.2.2 TensorFlow環境
• 10.2.1 Python環境
• 10.2 運行環境
• 10.1.2 系統流程
• 10.1.1 系統整體結構
• 10.1 總體設計
• 項目10 PROJECT 10 亂序成語驗證碼識別
• 9.4 系統測試
• 9.3.4 網站搭建
• 9.3.3 模型訓練及保存
• 9.3.2 模型構建
• 9.3.1 數據預處理
• 9.3 模塊實現
• 9.2.2 網頁服務器開發環境
• 9.2.1 TensorFlow環境
• 9.2 運行環境
• 9.1.2 系統流程
• 9.1.1 系統整體結構
• 9.1 總體設計
• 項目9 PROJECT 9 SRGAN網絡在網站默認頭像生成中的應用
• 8.4.3 模型應用
• 8.4.2 測試效果
• 8.4.1 訓練準確率
• 8.4 系統測試
• 8.3.4 模型測試
• 8.3.3 模型訓練及保存
• 8.3.2 模型構建
• 8.3.1 數據預處理
• 8.3 模塊實現
• 8.2.4 網頁配置環境
• 8.2.3 Linux環境
• 8.2.2 TensorFlow環境
• 8.2.1 Python環境
• 8.2 運行環境
• 8.1.2 系統流程
• 8.1.1 系統整體結構
• 8.1 總體設計
• 項目8 PROJECT 8 Stroke-Controllable快速風格遷移在網頁端應用
• 7.4.6 統計輸出結果
• 7.4.5 分割結果
• 7.4.4 病灶分割
• 7.4.3 肺部分割
• 7.4.2 預處理后的圖像
• 7.4.1 DICOM圖像
• 7.4 系統測試
• 7.3.4 可視化操作
• 7.3.3 數據預處理
• 7.3.2 加載預訓練模型
• 7.3.1 定義待測數據
• 7.3 模塊實現
• 7.2.3 在線運行
• 7.2.2 PaddlePaddle環境
• 7.2.1 Python環境
• 7.2 運行環境
• 7.1.2 系統流程
• 7.1.1 系統整體結構
• 7.1 總體設計
• 項目7 PROJECT 7 新冠肺炎輔助診斷系統
• 6.4.3 模型應用
• 6.4.2 測試效果
• 6.4.1 模型評估
• 6.4 系統測試
• 6.3.5 GUI設計
• 6.3.4 渲染效果實現
• 6.3.3 模型訓練及保存
• 6.3.2 數據集處理
• 6.3.1 數據預處理
• 6.3 模塊實現
• 6.2.5 其他依賴庫
• 6.2.4 pycocotools2.0環境
• 6.2.3 Keras環境
• 6.2.2 TensorFlow-GPU環境
• 6.2.1 Python環境
• 6.2 運行環境
• 6.1.2 系統流程
• 6.1.1 系統整體結構
• 6.1 總體設計
• 項目6 PROJECT 6 基于Mask R-CNN的動物識別分割及渲染
• 5.4.3 模型應用
• 5.4.2 測試效果
• 5.4.1 訓練準確率
• 5.4 系統測試
• 5.3.4 模型測試
• 5.3.3 模型訓練及保存
• 5.3.2 創建模型并編譯
• 5.3.1 數據預處理
• 5.3 模塊實現
• 5.2.3 OpenCV環境
• 5.2.2 mxnet環境
• 5.2.1 Python環境
• 5.2 運行環境
• 5.1.2 系統流程
• 5.1.1 系統整體結構
• 5.1 總體設計
• 項目5 PROJECT 5 貓貓相機
• 4.4.4 識別人臉效果展示
• 4.4.3 識別狗狗效果展示
• 4.4.2 程序功能介紹
• 4.4.1 前端界面展示
• 4.4 系統測試
• 4.3.6 前端界面
• 4.3.5 模型訓練評估與生成
• 4.3.4 文本數據翻譯與爬蟲
• 4.3.3 圖像檢測
• 4.3.2 模型編譯主體
• 4.3.1 數據預處理
• 4.3 模塊實現
• 4.2.4 安裝庫
• 4.2.3 Keras環境
• 4.2.2 TensorFlow環境
• 4.2.1 Python環境
• 4.2 運行環境
• 4.1.2 系統流程
• 4.1.1 系統整體結構
• 4.1 總體設計
• 項目4 PROJECT 4 基于Keras的狗狗分類與人臉相似檢測器
• 3.4.3 模型應用
• 3.4.2 測試效果
• 3.4.1 訓練準確率
• 3.4 系統測試
• 3.3.4 模型生成
• 3.3.3 模型訓練及保存
• 3.3.2 創建模型并編譯
• 3.3.1 數據預處理
• 3.3 模塊實現
• 3.2.3 Android環境
• 3.2.2 TensorFlow環境
• 3.2.1 Python環境
• 3.2 運行環境
• 3.1.2 系統流程
• 3.1.1 系統整體結構
• 3.1 總體設計
• 項目3 PROJECT 3 常見花卉識別
• 2.4.3 模型應用
• 2.4.2 測試效果
• 2.4.1 訓練效果
• 2.4 系統測試
• 2.3.7 后端搭建
• 2.3.6 Pix2Pix模型訓練及保存
• 2.3.5 Pix2Pix模型構建
• 2.3.4 構建Pix2Pix數據集
• 2.3.3 模型訓練及保存
• 2.3.2 創建模型與編譯
• 2.3.1 數據預處理
• 2.3 模塊實現
• 2.2.4 微信小程序環境
• 2.2.3 Flask環境
• 2.2.2 TensorFlow環境
• 2.2.1 Python環境
• 2.2 運行環境
• 2.1.2 系統流程
• 2.1.1 系統整體結構
• 2.1 總體設計
• 項目2 PROJECT 2 基于Pix2Pix的快速圖像風格遷移
• 1.4.3 輸出效果展示
• 1.4.2 GUI界面效果
• 1.4.1 算法訓練
• 1.4 系統測試
• 1.3.4 GUI模塊
• 1.3.3 插幀模塊
• 1.3.2 超分辨率模塊
• 1.3.1 視頻處理模塊
• 1.3 模塊實現
• 1.2.4 百度AI Studio使用
• 1.2.3 FFmpeg使用
• 1.2.2 PyTorch環境
• 1.2.1 Python環境
• 1.2 運行環境
• 1.1.2 系統流程
• 1.1.1 系統整體結構
• 1.1 總體設計
• 項目1 PROJECT 1 基于插幀和超分辨率的視頻增強應用
• 前言
• 內容簡介
• 作者簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 作者簡介
• 內容簡介
• 前言
• 項目1 PROJECT 1 基于插幀和超分辨率的視頻增強應用
• 1.1 總體設計
• 1.1.1 系統整體結構
• 1.1.2 系統流程
• 1.2 運行環境
• 1.2.1 Python環境
• 1.2.2 PyTorch環境
• 1.2.3 FFmpeg使用
• 1.2.4 百度AI Studio使用
• 1.3 模塊實現
• 1.3.1 視頻處理模塊
• 1.3.2 超分辨率模塊
• 1.3.3 插幀模塊
• 1.3.4 GUI模塊
• 1.4 系統測試
• 1.4.1 算法訓練
• 1.4.2 GUI界面效果
• 1.4.3 輸出效果展示
• 項目2 PROJECT 2 基于Pix2Pix的快速圖像風格遷移
• 2.1 總體設計
• 2.1.1 系統整體結構
• 2.1.2 系統流程
• 2.2 運行環境
• 2.2.1 Python環境
• 2.2.2 TensorFlow環境
• 2.2.3 Flask環境
• 2.2.4 微信小程序環境
• 2.3 模塊實現
• 2.3.1 數據預處理
• 2.3.2 創建模型與編譯
• 2.3.3 模型訓練及保存
• 2.3.4 構建Pix2Pix數據集
• 2.3.5 Pix2Pix模型構建
• 2.3.6 Pix2Pix模型訓練及保存
• 2.3.7 后端搭建
• 2.4 系統測試
• 2.4.1 訓練效果
• 2.4.2 測試效果
• 2.4.3 模型應用
• 項目3 PROJECT 3 常見花卉識別
• 3.1 總體設計
• 3.1.1 系統整體結構
• 3.1.2 系統流程
• 3.2 運行環境
• 3.2.1 Python環境
• 3.2.2 TensorFlow環境
• 3.2.3 Android環境
• 3.3 模塊實現
• 3.3.1 數據預處理
• 3.3.2 創建模型并編譯
• 3.3.3 模型訓練及保存
• 3.3.4 模型生成
• 3.4 系統測試
• 3.4.1 訓練準確率
• 3.4.2 測試效果
• 3.4.3 模型應用
• 項目4 PROJECT 4 基于Keras的狗狗分類與人臉相似檢測器
• 4.1 總體設計
• 4.1.1 系統整體結構
• 4.1.2 系統流程
• 4.2 運行環境
• 4.2.1 Python環境
• 4.2.2 TensorFlow環境
• 4.2.3 Keras環境
• 4.2.4 安裝庫
• 4.3 模塊實現
• 4.3.1 數據預處理
• 4.3.2 模型編譯主體
• 4.3.3 圖像檢測
• 4.3.4 文本數據翻譯與爬蟲
• 4.3.5 模型訓練評估與生成
• 4.3.6 前端界面
• 4.4 系統測試
• 4.4.1 前端界面展示
• 4.4.2 程序功能介紹
• 4.4.3 識別狗狗效果展示
• 4.4.4 識別人臉效果展示
• 項目5 PROJECT 5 貓貓相機
• 5.1 總體設計
• 5.1.1 系統整體結構
• 5.1.2 系統流程
• 5.2 運行環境
• 5.2.1 Python環境
• 5.2.2 mxnet環境
• 5.2.3 OpenCV環境
• 5.3 模塊實現
• 5.3.1 數據預處理
• 5.3.2 創建模型并編譯
• 5.3.3 模型訓練及保存
• 5.3.4 模型測試
• 5.4 系統測試
• 5.4.1 訓練準確率
• 5.4.2 測試效果
• 5.4.3 模型應用
• 項目6 PROJECT 6 基于Mask R-CNN的動物識別分割及渲染
• 6.1 總體設計
• 6.1.1 系統整體結構
• 6.1.2 系統流程
• 6.2 運行環境
• 6.2.1 Python環境
• 6.2.2 TensorFlow-GPU環境
• 6.2.3 Keras環境
• 6.2.4 pycocotools2.0環境
• 6.2.5 其他依賴庫
• 6.3 模塊實現
• 6.3.1 數據預處理
• 6.3.2 數據集處理
• 6.3.3 模型訓練及保存
• 6.3.4 渲染效果實現
• 6.3.5 GUI設計
• 6.4 系統測試
• 6.4.1 模型評估
• 6.4.2 測試效果
• 6.4.3 模型應用
• 項目7 PROJECT 7 新冠肺炎輔助診斷系統
• 7.1 總體設計
• 7.1.1 系統整體結構
• 7.1.2 系統流程
• 7.2 運行環境
• 7.2.1 Python環境
• 7.2.2 PaddlePaddle環境
• 7.2.3 在線運行
• 7.3 模塊實現
• 7.3.1 定義待測數據
• 7.3.2 加載預訓練模型
• 7.3.3 數據預處理
• 7.3.4 可視化操作
• 7.4 系統測試
• 7.4.1 DICOM圖像
• 7.4.2 預處理后的圖像
• 7.4.3 肺部分割
• 7.4.4 病灶分割
• 7.4.5 分割結果
• 7.4.6 統計輸出結果
• 項目8 PROJECT 8 Stroke-Controllable快速風格遷移在網頁端應用
• 8.1 總體設計
• 8.1.1 系統整體結構
• 8.1.2 系統流程
• 8.2 運行環境
• 8.2.1 Python環境
• 8.2.2 TensorFlow環境
• 8.2.3 Linux環境
• 8.2.4 網頁配置環境
• 8.3 模塊實現
• 8.3.1 數據預處理
• 8.3.2 模型構建
• 8.3.3 模型訓練及保存
• 8.3.4 模型測試
• 8.4 系統測試
• 8.4.1 訓練準確率
• 8.4.2 測試效果
• 8.4.3 模型應用
• 項目9 PROJECT 9 SRGAN網絡在網站默認頭像生成中的應用
• 9.1 總體設計
• 9.1.1 系統整體結構
• 9.1.2 系統流程
• 9.2 運行環境
• 9.2.1 TensorFlow環境
• 9.2.2 網頁服務器開發環境
• 9.3 模塊實現
• 9.3.1 數據預處理
• 9.3.2 模型構建
• 9.3.3 模型訓練及保存
• 9.3.4 網站搭建
• 9.4 系統測試
• 項目10 PROJECT 10 亂序成語驗證碼識別
• 10.1 總體設計
• 10.1.1 系統整體結構
• 10.1.2 系統流程
• 10.2 運行環境
• 10.2.1 Python環境
• 10.2.2 TensorFlow環境
• 10.2.3 安裝所需的包
• 10.3 模塊實現
• 10.3.1 數據預處理
• 10.3.2 模型一的構建和訓練
• 10.3.3 模型二的構建和訓練
• 10.3.4 亂序成語驗證碼識別
• 10.3.5 可視化界面的實現
• 10.4 系統測試
• 10.4.1 訓練準確率
• 10.4.2 測試效果
• 10.4.3 可視化界面應用
• 項目11 PROJECT 11 基于CNN的SNEAKERS識別
• 11.1 總體設計
• 11.1.1 系統整體結構
• 11.1.2 系統流程
• 11.2 運行環境
• 11.2.1 Python環境與Flask框架
• 11.2.2 環境配置與工具包
• 11.2.3 微信小程序環境
• 11.3 模塊實現
• 11.3.1 數據制作
• 11.3.2 數據構建
• 11.3.3 模型訓練及保存
• 11.3.4 模型測試
• 11.3.5 前端與后臺搭建
• 11.4 系統測試
• 11.4.1 訓練準確率
• 11.4.2 測試效果
• 11.4.3 模型應用
• 項目12 PROJECT 12 基于SRGAN的單圖像超分辨率
• 12.1 總體設計
• 12.1.1 系統整體結構
• 12.1.2 系統流程
• 12.2 運行環境
• 12.2.1 Python環境
• 12.2.2 PyTorch環境
• 12.2.3 網頁端Flask框架
• 12.2.4 PyQt環境配置
• 12.3 模塊實現
• 12.3.1 數據預處理
• 12.3.2 數據導入
• 12.3.3 定義模型
• 12.3.4 定義損失函數
• 12.3.5 模型訓練及保存
• 12.3.6 服務器端架構
• 12.3.7 本地單機程序
• 12.4 系統測試
• 項目13 PROJECT 13 濾鏡復制
• 13.1 總體設計
• 13.1.1 系統整體結構
• 13.1.2 系統流程
• 13.2 運行環境
• 13.2.1 Anaconda環境
• 13.2.2 TensorFlow環境
• 13.2.3 Keras環境
• 13.3 模塊實現
• 13.3.1 模式選擇
• 13.3.2 任意風格模式
• 13.3.3 固定風格模式
• 13.4 系統測試
• 13.4.1 任意風格模式測試結果
• 13.4.2 固定風格模式測試結果
• 項目14 PROJECT 14 基于PyTorch的快速風格遷移
• 14.1 總體設計
• 14.1.1 系統整體結構
• 14.1.2 系統流程
• 14.2 運行環境
• 14.2.1 Python環境
• 14.2.2 PyTorch環境
• 14.2.3 PyQt5環境
• 14.3 模塊實現
• 14.3.1 數據預處理
• 14.3.2 模型構建
• 14.3.3 模型訓練及保存
• 14.3.4 界面化及應用
• 14.4 系統測試
• 14.4.1 訓練準確率
• 14.4.2 測試效果
• 14.4.3 程序應用
• 項目15 PROJECT 15 CASIA-HWDB手寫漢字識別
• 15.1 總體設計
• 15.1.1 系統整體結構
• 15.1.2 系統流程
• 15.2 運行環境
• 15.2.1 Python環境
• 15.2.2 TensorFlow環境
• 15.2.3 wxPython和OpenCV環境
• 15.2.4 pyttsx3環境
• 15.3 模塊實現
• 15.3.1 數據預處理
• 15.3.2 模型構建
• 15.3.3 模型訓練及保存
• 15.3.4 前端界面
• 15.4 系統測試
• 15.4.1 測試效果
• 15.4.2 模型應用
• 項目16 PROJECT 16 圖像智能修復
• 16.1 總體設計
• 16.1.1 系統整體結構
• 16.1.2 系統流程
• 16.2 運行環境
• 16.2.1 Python環境
• 16.2.2 TensorFlow環境
• 16.2.3 OpenFace環境
• 16.3 模塊實現
• 16.3.1 數據預處理
• 16.3.2 模型構建
• 16.3.3 模型訓練
• 16.3.4 程序實現
• 16.3.5 GUI設計
• 16.3.6 程序打包
• 16.4 系統測試
• 16.4.1 GAN網絡損失變化
• 16.4.2 測試效果
• 項目17 PROJECT 17 黑白圖像自動著色
• 17.1 總體設計
• 17.1.1 系統整體結構
• 17.1.2 系統流程
• 17.2 運行環境
• 17.3 模塊實現
• 17.3.1 數據預處理
• 17.3.2 模型構建與訓練
• 17.3.3 模型調用與結果優化
• 17.3.4 結果展示
• 17.4 系統測試
• 項目18 PROJECT 18 深度神經網絡壓縮與加速技術在風格遷移中的應用
• 18.1 總體設計
• 18.1.1 系統整體結構
• 18.1.2 系統流程
• 18.2 運行環境
• 18.2.1 Python環境
• 18.2.2 GPU環境
• 18.3 模塊實現
• 18.3.1 數據預處理
• 18.3.2 創建模型
• 18.3.3 模型訓練及保存
• 18.3.4 模型測試
• 18.4 系統測試
• 18.4.1 風格遷移效果
• 18.4.2 網絡的加速與壓縮
• 項目19 PROJECT 19 遷移學習的狗狗分類器
• 19.1 總體設計
• 19.1.1 系統整體結構
• 19.1.2 系統流程
• 19.2 運行環境
• 19.2.1 Python環境
• 19.2.2 TensorFlow環境
• 19.2.3 Keras環境
• 19.2.4 wxPython的安裝
• 19.3 模塊實現
• 19.3.1 數據預處理
• 19.3.2 模型構建
• 19.3.3 模型訓練
• 19.3.4 API調用
• 19.3.5 模型生成
• 19.4 系統測試
• 19.4.1 訓練準確率
• 19.4.2 測試效果
• 19.4.3 模型應用
• 項目20 PROJECT 20 基于TensorFlow的人臉檢測及追蹤
• 20.1 總體設計
• 20.1.1 系統整體結構
• 20.1.2 系統流程
• 20.2 運行環境
• 20.2.1 Python環境
• 20.2.2 TensorFlow環境
• 20.2.3 models環境
• 20.3 模塊實現
• 20.3.1 數據預處理
• 20.3.2 模型構建
• 20.3.3 模型訓練及保存
• 20.4 系統測試 更新時間：2022-07-27 17:27:53