第1章 机器学习在移动端的使用情况
1.1 机器学习的基础
1.1.1 监督式学习
1.1.2 非监督式学习
1.1.3 线性回归——监督式学习
1.2 TensorFlow Lite和Core ML
1.3 TensorFlow Lite
1.3.1 支持的平台
1.3.2 TensorFlow Lite的内存使用情况和性能
1.3.3 动手使用TensorFlow Lite
1.3.4 将SavedModel转换为TensorFlow Lite格式
1.3.5 在Android上使用TensorFlow Lite
1.3.6 在iOS上使用TensorFlow Lite
1.4 Core ML
1.4.1 Core ML模型转换
1.4.2 iOS应用程序中的Core ML
1.5 本章小结
第2章 使用Core ML和CNN预测年龄与性别
2.1 年龄和性别预测
2.1.1 年龄预测
2.1.2 性别预测
2.2 卷积神经网络
2.2.1 发现模式
2.2.2 找出图片中的特征值
2.2.3 池化层
2.2.4 ReLU层
2.2.5 局部响应归一化层
2.2.6 dropout层
2.2.7 全连接层
2.2.8 使用CNN完成年龄和性别预测
2.3 在iOS上使用Core ML实现应用程序
2.4 本章小结
第3章 在照片上应用艺术神经风格迁移
3.1 艺术神经风格迁移
3.1.1 背景
3.1.2 VGG网络
3.2 构建应用程序
3.2.1 TensorFlow-to-Core ML转换
3.2.2 iOS应用程序
3.2.3 Android应用程序
3.3 本章小结
3.4 参考网站
第4章 基于Firebase的ML Kit
4.1 ML Kit的基础
4.1.1 基本特征集
4.1.2 构建应用程序
4.2 人脸检测
4.2.1 面部朝向追踪
4.2.2 运行面部检测器
4.3 条形码扫描器
4.3.1 创建FirebaseVisionImage对象
4.3.2 创建FirebaseVisionBarcodeDetector对象
4.3.3 条形码检测
4.4 文本识别
4.4.1 基于设备的文本识别
4.4.2 基于云端的文本识别
4.5 本章小结
第5章 在Android上的AR滤镜
5.1 MobileNet模型
5.2 构建Android应用程序
5.3 参考网站
5.4 问题
5.5 本章小结
第6章 使用对抗学习构建手写数字分类器
6.1 生成式对抗网络
6.2 MNIST数据库
6.3 构建TensorFlow模型
6.4 训练神经网络
6.4.1 构建Android应用程序
6.4.2 用于手写的FreeHandView
6.4.3 数字分类器
6.5 本章小结
第7章 使用OpenCV与朋友换脸
7.1 换脸
7.1.1 换脸的步骤
7.1.2 构建Android应用程序
7.1.3 构建本地的脸交换器库
7.1.4 构建应用程序
7.2 本章小结
7.3 参考信息
7.4 问题
第8章 使用迁移学习完成食物分类
8.1 迁移学习
8.2 训练TensorFlow模型
8.2.1 安装TensorFlow
8.2.2 训练图片
8.2.3 使用图片重新训练
8.2.4 构建iOS应用程序
8.3 本章小结
第9章 接下来做什么
9.1 温故而知新
9.1.1 当开发机器学习应用程序时从何处入手
9.1.2 构建自己的模型
9.2 本章小结
9.3 进一步阅读

本书系统地讲述如何基于TensorFlow Lite和Core ML构建Android与iOS应用程序。本书共9章。第1章介绍机器学习的基础知识以及TensorFlow Lite和Core ML框架。第2～8章介绍如何开发7款常见应用程序，分别是一款预测人物年龄和性别的应用程序，一款在照片上应用艺术风格迁移的应用程序，一款用于面部检测和条形码扫描的应用程序，一款类似于Snapchat的应用程序，一款识别手写数字的应用程序，一款流行的在线换脸应用程序，一款利用迁移学习完成食物分类的应用程序。第9章总结全书，并介绍基于机器学习的云服务。
本书适合机器学习、深度学习和人工智能等方面的专业人士阅读。