AI影像深度學習啟蒙:用python進行人臉口罩識別 ,

作者:廖源粕

出版社:深智數位

ISBN:9789860776416

$66.75

產品號碼: 165818 貨號: 9789860776416 分類: , 標籤: , , , ,

  本書涵蓋的內容有
  ★線上平台COLAB使用教學
  ★本機電腦Jupyter使用教學
  ★基本運算、變數與字串
  ★串列、元組、集合與字典
  ★流程控制if else
  ★流程控制for與while
  ★函數、類別與物件
  ★資料夾與檔案處理
  ★txt、csv、json文件的讀寫
  ★基礎套件的使用
  ★Numpy的使用
  ★OpenCV的使用
  ★完整Tensorflow安裝流程
  ★Tensorflow的使用
  ★類神經網路(ANN)原理與實作
  ★卷積神經網路(CNN)原理與實作
  ★模型可視化工具Netron的使用
  ★口罩識別模型教學
  ★影像串流與實時口罩識別

  這是一本想給非資電領域或初學者的入門書籍,內容從基礎語法開始,使用日常所見的比喻協助理解,在AI類神經網路的基礎部分,使用大家都熟悉的二元一次方程式來切入,多以圖表來說明概念,避免艱澀的數學推導,一步一步講解建立深度學習模型的步驟,書本最後還帶入口罩識別模型的教學實例,協助讀者從頭到尾完成一個專題,讓AI更貼近你我的生活。
 

目錄

CH01 作者自序與前言
1-1 作者自序
1-2 前言

CH02 安裝Python 與編輯環境
2-1 編輯環境的選擇: Colab 與Jupyter
2-2 Colab 的介面使用說明
2-3 Jupyter 的安裝
2-4 Jupyter 的使用

CH03 Python 的運算
3-1 print 函數與程式碼註解方式
3-2 四則運算
3-3 變數(Variable)
3-4 數值型態(Numeric type)
3-5 字串

CH04 流程控制之選擇結構 if else
4-1 前言
4-2 關係運算
4-3 邏輯運算
4-4 if else

CH05 串列List
5-1 前言
5-2 串列的使用
5-3 流程控制之重複架構 for 迴圈(for loop)
5-4 物件的簡單概念(Object)
5-5 常用的基本函數

CH06 元組(Tuple)
6-1 前言
6-2 元組的使用

CH07 集合(Set)
7-1 前言
7-2 集合的使用
7-3 使用Python 開發的應用或服務

CH08 字典Dictionary
8-1 前言
8-2 字典的使用

CH09 流程控制之重複架構while 迴圈(while loop)
9-1 前言
9-2 while 迴圈使用方式

CH10 函數(function)
10-1 前言
10-2 函數的使用方式

CH11 類別(class) 與物件(object)
11-1 前言
11-2 類別的定義與初始化
11-3 物件(Object) 概念
11-4 物件的宣告
11-5 建立類別的方法
11-6 繼承
11-7 建立私有屬性與方法
11-8 範例練習
11-9 預設屬性__doc__
11-10 特殊方法__str__() 與__repr__()
11-11 物件的銷毀

CH12 宣告的數值與字串也是物件
12-1 物件導向程式設計(Object-oriented programming)
12-2 宣告整數與浮點數物件
12-3 宣告字串的物件

CH13 常用基礎套件介紹
13-1 套件(package) 的定義
13-2 查看已安裝的套件
13-3 sys 套件的使用
13-4 math 套件的使用
13-5 random 套件的使用
13-6 time 套件的使用

CH14 資料夾與檔案的處理
14-1 前言
14-2 資料夾的處理
14-3 檔案的處理
14-4 shutil 套件的使用

CH15 檔案的讀取與寫入
15-1 前言
15-2 檔案的寫入
15-3 檔案的讀取
15-4 JSON 檔案

CH16 細說數值型態
16-1 基本單位
16-2 狀態多寡與位元的關係
16-3 數值與位元的關係
16-4 Byte 與Bit 的關係
16-5 KB, MB, GB 的關係
16-6 數值型態的介紹

CH17 Numpy 的介紹
17-1 前言
17-2 Numpy 套件的基本使用
17-3 常用屬性介紹
17-4 常用方法介紹
17-5 多維陣列進行不同維度的計算( 使用np.sum())
17-6 函數np.mean()
17-7 函數np.max() 與np.min()
17-8 函數argmax() 與np.argmin()
17-9 函數np.zeros()
17-10 函數np.zeros_like()
17-11 函數np.zeros()
17-12 函數np.ones_like()
17-13 相加函數np.add()
17-14 亂數函數np.random.randint()
17-15 排列函數np.random.permutation()

CH18 圖片的顯示
18-1 圖片的尺寸
18-2 灰階圖像與彩色圖像
18-3 灰階圖像的組成
18-4 彩色圖像的組成
18-5 圖片的格式
18-6 下載練習圖庫
18-7 OpenCV 的使用說明

CH19 類神經網路的介紹
19-1 人工智慧(Artificial intelligence) 其實只是統稱
19-2 機器學習(machine learning)
19-3 回憶二元一次方程式
19-4 從二元一次方程式到機器學習
19-5 類神經網路(Artificial Neural Network)
19-6 有趣的AI 應用

CH20 Tensorflow 簡介
20-1 什麼是Tensorflow
20-2 顯示卡的多核心優勢
20-3 Tensorflow 做了什麼?
20-4 安裝Tensorflow
20-5 匯入Tensorflow 套件
20-6 Tensorflow 與其他套件的相異處
20-7 如何看待Tensorflow
20-8 如何得到計算結果
20-9 張量(Tensor)
20-10 Tf.Graph() 的使用
20-11 GPU 資源的設定
20-12 如何使用程式碼設定GPU 的使用量
20-13 AI 的實際應用: 自動駕駛

CH21 資料集介紹(Introduction of datasets)
21-1 前言
21-2 匯入套件
21-3 Cifar10 資料集
21-4 Mnist 資料集

CH22 建立類神經網路
22-1 前言
22-2 匯入套件
22-3 匯入資料集Mnist
22-4 類神經網路
22-5 開始訓練
22-6 有趣的AI 應用

CH23 卷積神經網路的介紹
23-1 全連接層(fully connected layer)
23-2 更有效的圖像學習方式
23-3 卷積(convolution)
23-4 卷積的計算
23-5 卷積是全連接層的簡化
23-6 卷積的完整範例
23-7 Kernel 學到了什麼
23-8 彩色圖片的卷積方式
23-9 計算權重數量
23-10 Kernel 的張數
23-11 池化(pooling)
23-12 計算經過卷積後的尺寸
23-13 全連接層全然無用嗎?
23-14 有趣的AI 應用

CH24 建立卷積神經網路
24-1 前言
24-2 匯入套件
24-3 匯入資料集
24-4 資料集前處理
24-5 建立計算圖
24-6 宣告tf.placeholder
24-7 計算訓練的參數量
24-8 建立選取迭代資料的函數
24-9 計算損失值函數
24-10 計算準確率函數
24-11 關於Tensorflow 的權重檔
24-12 儲存PB 檔案的函數
24-13 設定超參數
24-14 建立訓練架構
24-15 訓練集的亂數排列(shuffle)
24-16 開始訓練與訓練結果
24-17 加深模型
24-18 加深模型的訓練結果
24-19 儲存準確率最高的PB 檔案
24-20 遷移學習(transfer learning)
24-21 儲存訓練的結果
24-22 模型可視化( 使用Netron)
24-23 使用PB 檔進行推論
24-24 找出驗證集分類錯誤的圖片
24-25 練習: 使用Fashion_mnist 資料集
24-26 練習: 使用Cifar10 資料集

CH25 口罩判斷模型之資料集的準備
25-1 前言
25-2 決定分類模型的類別數量
25-3 製作有戴口罩的圖片
25-4 口罩圖片的選擇
25-5 口罩圖片的解析
25-6 偵測圖片的嘴巴區域( 使用Dlib)
25-7 安裝Dlib
25-8 使用Dlib 找到人臉
25-9 嘴部區域與口罩的結合
25-10 製作訓練集與驗證集
25-11 有趣的AI 應用

CH26 口罩判斷模型之訓練
26-1 匯入套件
26-2 訓練集與驗證集的資料安排
26-3 讀取訓練集路徑
26-4 讀取驗證集路徑
26-5 讀取口罩集路徑
26-6 建立偵測嘴部區域的函數
26-7 建立嘴部區域與口罩結合的函數
26-8 建立訓練集的迭代資料函數
26-9 建立驗證集的迭代資料函數
26-10 建立計算圖
26-11 模型架構的差異說明
26-12 訓練結果
26-13 結果圖形化

CH27 影像串流與口罩判斷
27-1 前言
27-2 影像串流
27-3 影像串流結合口罩判斷
27-4 執行結果

CH28 安裝套件的步驟說明
28-1 使用Colab
28-2 使用Jupyter

作者介紹

作者簡介

廖源粕

  曾在在鴻海富士康手機研發部門擔任硬體工程師,因緣際會下,被主管指派學習程式的撰寫,控制周邊硬體,開啟了正式的程式撰寫之路
曾在工業技術研究院綠能所研究與開發Zigbee、Wifi無線控制模組進行智慧節能管控,產品導入台積電、台達電、神達電子等

  自學Python與深度學習,目前為全職影像AI演算法工程師
 

出版地

台灣

出版日期

10/19/2021

印刷

單色印刷

版別

初版

裝訂

平裝

語系

繁體中文

頁數

736