涵盖了在Flutter应用程序中使用ML模型的所有基本概念，这是在线上最全面，也是唯一的Flutter ML课程。我们花了几个月的时间建立了这门课程，完善了课程，并涵盖了所有可帮助您学习在Flutter dart应用程序中使用机器学习模型的内容。本课程将教您在Flutter中为Android和IOS设备构建强大的基于ML的应用程序。
重要的是，您无需了解机器学习和计算机视觉的背景知识即可在Flutter中使用ML模型并对其进行训练。
类型：在线学习| MP4 | 视频：h264，1280×720 | 音频：aac，44100 Hz
语言：英语| VTT | 大小：3.34 GB | 时长：5h 8m
你将学习
Use of Machine Learning models in Flutter
Use of Firebase ML Kit in Flutter Applications
Use of pretrained Tensorflow lite models in Flutter
Training Image classification models for Flutter Applications
Image labeling and Barcode scanning in Flutter
Text Recognition and Face Detection in Flutter
Image classification and Object Detection in Flutter
Image Segmentation and Pose Estimation in Flutter
Using Machine learning models with images from gallery and camera in Flutter
Using ML models on live footage from camera in Flutter
需求
Flutter应用程序开发的基本知识
课程结构
我们将从了解两个重要的库开始
图像选择器：从图库中选择图像或使用相机捕获图像
相机：逐帧从相机获取实时素材
然后，我们将了解Firebase ML套件及其提供的功能。我们将探索firebase ML套件的功能，并使用每个功能构建两个应用程序。
我们将在该部分中构建的应用程序是
使用图库和相机的图像对Flutter应用程序进行图像标记
使用相机的实时镜头对Flutter应用程序进行图像标记
使用图库和相机图像的条形码扫描Flutter应用程序
条形码扫描Flutter应用程序，使用摄像机的实时镜头
使用图库和相机图像的文本识别Flutter应用程序
文字识别Flutter应用程序，使用相机的实时镜头
使用图库和相机图像的人脸检测Flutter应用程序
使用相机实时镜头的人脸检测Flutter应用程序
在学习了flutter应用程序中Firebase ML Kit的用法之后，我们将学习在flutter应用程序中使用流行的预训练TensorFlow lite模型。因此，我们在本节中探索一些流行的模型并构建以下Flutter应用程序
使用图库和相机的图像进行图像分类Flutter应用程序
使用相机实时镜头进行图像分类Flutter应用程序
使用图库和摄像机图像的对象检测Flutter应用程序
使用相机实时镜头的目标检测Flutter应用程序
使用图库和摄像机图像的人体姿势估计Flutter应用程序
人体姿势估计Flutter应用程序，使用摄像机的实时镜头
使用图库和相机图像的图像分割Flutter应用程序
使用相机的实时镜头进行图像分割Flutter应用程序
在Flutter内部使用Firebase ML Kit和Tensorflow lite模型学习了预训练的机器学习模型的使用之后，我们将学习在不了解机器学习的任何背景知识的情况下训练自己的图像分类模型。所以我们将学习
收集并整理数据集以进行机器学习模型训练
只需单击几下，即可训练机器学习某些平台
所以在那部分，我们将
火车狗品种分类模型
构建Flutter应用程序以识别不同品种的狗
使用转移学习训练水果识别模型
构建Flutter应用程序以识别不同的水果
因此，本课程主要分为三个主要部分
Firebase ML套件
预训练的TensorFlow Lite模型
训练图像分类模型
在第一部分中，我们将学习在Flutter dart应用程序中使用Firebase ML Kit的常见用例，例如
图像标注
条码扫描
文字识别
人脸检测
因此，我们将一一探索这些功能，并构建Flutter应用程序。对于Firebase ML Kit的每个功能，我们将构建两个应用程序。在第一个应用程序中，我们将使用从画廊或相机拍摄的图像，在第二个应用程序中，我们将使用带有Firebase ML模型的实时相机镜头。因此，除了基于ML的简单应用程序之外，您还可以使用实时摄影机镜头在Flutter dart中构建实时面部检测和图像标记应用程序。因此，完成本节后，您将完全掌握Google Firebase ML Kit，并且可以使用即将推出的Firebase ML Kit for Flutter功能。
在介绍完Google Firebase ML Kit之后，在本课程的第二部分中，您将学习在Flutter中使用Tensorflow lite模型的知识。Tensorflow Lite是用于在移动设备上运行ML模型的标准格式。因此，在本部分中，您将学习在Flutter飞镖内部使用预训练的动力ML模型进行构建
图像分类（ImageNet V2模型）
对象检测（MobileNet模型，Tiny Yolo模型）
姿势估计（PostNet模型）
图像分割（Deeplab模型）
应用程序。因此，不仅您将学习将这些模型用于图像，而且还将学习将其与摄像机镜头一起使用以构建实时应用程序。
因此，在本课程的第三部分中，使用两种不同的方法学习了Flutter dart中机器学习模型的使用之后，您将学习在没有任何机器学习背景知识的情况下训练自己的机器学习模型。因此，在该部分中，我们将探索一些平台，这些平台使我们只需单击几下即可为移动设备训练机器学习模型。因此，在第三部分中，您将学习
收集并安排数据集以进行模型训练
使用可教机器从零开始训练机器学习模型
使用转移学习重新训练现有模型
在Flutter dart应用程序中使用这些训练有素的模型
因此，我们将训练模型以识别不同品种的狗并识别不同的水果，然后使用这些模型为Android和IOS构建Flutter dart应用程序。
在本课程结束时，您将能够
在适用于Android和IOS的Flutter dart应用程序内使用Firebase ML套件
使用Flutter dart在Android和IOS应用程序中使用经过预训练的Tensorflow lite模型
训练自己的图像分类模型并构建Flutter应用程序。
本课程适合谁：
Flutter初级开发人员，对Flutter中的移动应用程序开发了解甚少
Flutter中级开发人员希望在Flutter中构建一个功能强大的基于机器学习的应用程序
经验丰富的Flutter开发人员希望在他们的应用程序中使用机器学习模型。
之前参加过基础flutter移动应用程序开发课程的任何人（例如angela yu的flutter应用程序开发课程或其他此类课程）。
本课程的对象：
初级Flutter开发人员
Flutter老司机并对ML使用感到好奇，希望在其应用系统中添加ML模型。
App开发人员希望学习在其Applications中使用ML。
资源均来自第三方，谨慎下载，前往第三方网站下载
