PDF JPG
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • AI影像深度學習啟蒙:用python進行人臉口罩識別
  • 點閱:43
  • 作者: 廖源粕著
  • 出版社:深智數位
  • 出版年:2021[民110]
  • ISBN:9789860776416
  • EISBN:9789860776508 PDF
  • 格式:PDF,JPG

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。

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
  • CH01 作者自序與前言(第1-1頁)
    • 1-1 作者自序(第1-2頁)
    • 1-2 前言(第1-4頁)
  • CH02 安裝 Python 與編輯環境(第2-1頁)
    • 2-1 編輯環境的選擇 : Colab 與 Jupyter(第2-2頁)
    • 2-2 Colab 的介面使用說明(第2-3頁)
    • 2-3 Jupyter 的安裝(第2-13頁)
    • 2-4 Jupyter 的使用(第2-20頁)
  • CH03 Python 的運算(第3-1頁)
    • 3-1 print 函數與程式碼註解方式(第3-2頁)
    • 3-2 四則運算(第3-4頁)
    • 3-3 變數 (Variable)(第3-6頁)
    • 3-4 數值型態 (Numeric type)(第3-11頁)
    • 3-5 字串(第3-18頁)
  • CH04 流程控制之選擇結構 if else(第4-1頁)
    • 4-1 前言(第4-2頁)
    • 4-2 關係運算(第4-2頁)
    • 4-3 邏輯運算(第4-5頁)
    • 4-4 if else(第4-7頁)
  • CH05 串列 List(第5-1頁)
    • 5-1 前言(第5-2頁)
    • 5-2 串列的使用(第5-3頁)
    • 5-3 流程控制之重複架構 for 迴圈 (for loop)(第5-8頁)
    • 5-4 物件的簡單概念 (Object)(第5-21頁)
    • 5-5 常用的基本函數(第5-42頁)
  • CH06 元組 (Tuple)(第6-1頁)
    • 6-1 前言(第6-2頁)
    • 6-2 元組的使用(第6-2頁)
  • CH07 集合 (Set)(第7-1頁)
    • 7-1 前言(第7-2頁)
    • 7-2 集合的使用(第7-2頁)
    • 7-3 使用 Python 開發的應用或服務(第7-16頁)
  • CH08 字典 Dictionary(第8-1頁)
    • 8-1 前言(第8-2頁)
    • 8-2 字典的使用(第8-3頁)
  • CH09 流程控制之重複架構 while 迴圈 (while loop)(第9-1頁)
    • 9-1 前言(第9-2頁)
    • 9-2 while 迴圈使用方式(第9-2頁)
  • CH10 函數 (function)(第10-1頁)
    • 10-1 前言(第10-2頁)
    • 10-2 函數的使用方式(第10-8頁)
  • CH11 類別 (class) 與物件 (object)(第11-1頁)
    • 11-1 前言(第11-2頁)
    • 11-2 類別的定義與初始化(第11-3頁)
    • 11-3 物件 (Object) 概念(第11-3頁)
    • 11-4 物件的宣告(第11-5頁)
    • 11-5 建立類別的方法(第11-7頁)
    • 11-6 繼承(第11-8頁)
    • 11-7 建立私有屬性與方法(第11-10頁)
    • 11-8 範例練習(第11-11頁)
    • 11-9 預設屬性__doc__(第11-20頁)
    • 11-10 特殊方法__str__() 與__repr__()(第11-23頁)
    • 11-11 物件的銷毀(第11-25頁)
  • CH12 宣告的數值與字串也是物件(第12-1頁)
    • 12-1 物件導向程式設計 (Object-oriented programming)(第12-2頁)
    • 12-2 宣告整數與浮點數物件(第12-2頁)
    • 12-3 宣告字串的物件(第12-4頁)
  • CH13 常用基礎套件介紹(第13-1頁)
    • 13-1 套件 (package) 的定義(第13-2頁)
    • 13-2 查看已安裝的套件(第13-2頁)
    • 13-3 sys 套件的使用(第13-3頁)
    • 13-4 math 套件的使用(第13-4頁)
    • 13-5 random 套件的使用(第13-6頁)
    • 13-6 time 套件的使用(第13-12頁)
  • CH14 資料夾與檔案的處理(第14-1頁)
    • 14-1 前言(第14-2頁)
    • 14-2 資料夾的處理(第14-2頁)
    • 14-3 檔案的處理(第14-17頁)
    • 14-4 shutil 套件的使用(第14-27頁)
  • CH15 檔案的讀取與寫入(第15-1頁)
    • 15-1 前言(第15-2頁)
    • 15-2 檔案的寫入(第15-2頁)
    • 15-3 檔案的讀取(第15-15頁)
    • 15-4 JSON 檔案(第15-17頁)
  • CH16 細說數值型態(第16-1頁)
    • 16-1 基本單位(第16-2頁)
    • 16-2 狀態多寡與位元的關係(第16-2頁)
    • 16-3 數值與位元的關係(第16-4頁)
    • 16-4 Byte 與 Bit 的關係(第16-4頁)
    • 16-5 KB, MB, GB 的關係(第16-5頁)
    • 16-6 數值型態的介紹(第16-6頁)
  • CH17 Numpy 的介紹(第17-1頁)
    • 17-1 前言(第17-2頁)
    • 17-2 Numpy 套件的基本使用(第17-2頁)
    • 17-3 常用屬性介紹(第17-11頁)
    • 17-4 常用方法介紹(第17-20頁)
    • 17-5 多維陣列進行不同維度的計算( 使用 np.sum())(第17-26頁)
    • 17-6 函數 np.mean()(第17-32頁)
    • 17-7 函數 np.max() 與 np.min()(第17-36頁)
    • 17-8 函數 argmax() 與 np.argmin()(第17-40頁)
    • 17-9 函數 np.zeros()(第17-45頁)
    • 17-10 函數 np.zeros_like()(第17-46頁)
    • 17-11 函數 np.ones()(第17-47頁)
    • 17-12 函數 np.ones_like()(第17-48頁)
    • 17-13 相加函數 np.add()(第17-49頁)
    • 17-14 亂數函數 np.random.randint()(第17-51頁)
    • 17-15 排列函數 np.random.permutation()(第17-52頁)
  • CH18 圖片的顯示(第18-1頁)
    • 18-1 圖片的尺寸(第18-2頁)
    • 18-2 灰階圖像與彩色圖像(第18-3頁)
    • 18-3 灰階圖像的組成(第18-4頁)
    • 18-4 彩色圖像的組成(第18-5頁)
    • 18-5 圖片的格式(第18-6頁)
    • 18-6 下載練習圖庫(第18-7頁)
    • 18-7 OpenCV 的使用說明(第18-10頁)
  • CH19 類神經網路的介紹(第19-1頁)
    • 19-1 人工智慧 (Artificial intelligence) 其實只是統稱(第19-2頁)
    • 19-2 機器學習 (machine learning)(第19-2頁)
    • 19-3 回憶二元一次方程式(第19-4頁)
    • 19-4 從二元一次方程式到機器學習(第19-5頁)
    • 19-5 類神經網路 (Artificial Neural Network)(第19-6頁)
    • 19-6 有趣的 AI 應用(第19-40頁)
  • CH20 Tensorflow 簡介(第20-1頁)
    • 20-1 什麼是 Tensorflow(第20-2頁)
    • 20-2 顯示卡的多核心優勢(第20-2頁)
    • 20-3 Tensorflow 做了什麼?(第20-4頁)
    • 20-4 安裝 Tensorflow(第20-4頁)
    • 20-5 匯入 Tensorflow 套件(第20-5頁)
    • 20-6 Tensorflow 與其他套件的相異處(第20-5頁)
    • 20-7 如何看待 Tensorflow(第20-6頁)
    • 20-8 如何得到計算結果(第20-7頁)
    • 20-9 張量 (Tensor)(第20-9頁)
    • 20-10 Tf.Graph() 的使用(第20-15頁)
    • 20-11 GPU 資源的設定(第20-18頁)
    • 20-12 如何使用程式碼設定 GPU 的使用量(第20-20頁)
    • 20-13 AI 的實際應用 : 自動駕駛(第20-21頁)
  • CH21 資料集介紹 (Introduction of datasets)(第21-1頁)
    • 21-1 前言(第21-2頁)
    • 21-2 匯入套件(第21-3頁)
    • 21-3 Cifar10 資料集(第21-3頁)
    • 21-4 Mnist 資料集(第21-11頁)
  • CH22 建立類神經網路(第22-1頁)
    • 22-1 前言(第22-2頁)
    • 22-2 匯入套件(第22-2頁)
    • 22-3 匯入資料集 Mnist(第22-3頁)
    • 22-4 類神經網路(第22-5頁)
    • 22-5 開始訓練(第22-13頁)
    • 22-6 有趣的 AI 應用(第22-34頁)
  • CH23 卷積神經網路的介紹(第23-1頁)
    • 23-1 全連接層 (fully connected layer)(第23-2頁)
    • 23-2 更有效的圖像學習方式(第23-2頁)
    • 23-3 卷積 (convolution)(第23-4頁)
    • 23-4 卷積的計算(第23-5頁)
    • 23-5 卷積是全連接層的簡化(第23-6頁)
    • 23-6 卷積的完整範例(第23-7頁)
    • 23-7 Kernel 學到了什麼(第23-9頁)
    • 23-8 彩色圖片的卷積方式(第23-10頁)
    • 23-9 計算權重數量(第23-11頁)
    • 23-10 Kernel 的張數(第23-12頁)
    • 23-11 池化 (pooling)(第23-15頁)
    • 23-12 計算經過卷積後的尺寸(第23-17頁)
    • 23-13 全連接層全然無用嗎?(第23-21頁)
    • 23-14 有趣的 AI 應用(第23-23頁)
  • CH24 建立卷積神經網路(第24-1頁)
    • 24-1 前言(第24-2頁)
    • 24-2 匯入套件(第24-2頁)
    • 24-3 匯入資料集(第24-3頁)
    • 24-4 資料集前處理(第24-3頁)
    • 24-5 建立計算圖(第24-5頁)
    • 24-6 宣告 tf.placeholder(第24-6頁)
    • 24-7 計算訓練的參數量(第24-9頁)
    • 24-8 建立選取迭代資料的函數(第24-10頁)
    • 24-9 計算損失值函數(第24-10頁)
    • 24-10 計算準確率函數(第24-11頁)
    • 24-11 關於 Tensorflow 的權重檔(第24-11頁)
    • 24-12 儲存 PB 檔案的函數(第24-13頁)
    • 24-13 設定超參數(第24-14頁)
    • 24-14 建立訓練架構(第24-14頁)
    • 24-15 訓練集的亂數排列 (shuffle)(第24-15頁)
    • 24-16 開始訓練與訓練結果(第24-16頁)
    • 24-17 加深模型(第24-17頁)
    • 24-18 加深模型的訓練結果(第24-19頁)
    • 24-19 儲存準確率最高的 PB 檔案(第24-20頁)
    • 24-20 遷移學習 (transfer learning)(第24-22頁)
    • 24-21 儲存訓練的結果(第24-24頁)
    • 24-22 模型可視化 (使用Netron)(第24-26頁)
    • 24-23 使用 PB 檔進行推論(第24-33頁)
    • 24-24 找出驗證集分類錯誤的圖片(第24-35頁)
    • 24-25 練習: 使用 Fashion_mnist 資料集(第24-38頁)
    • 24-26 練習: 使用 Cifar10 資料集(第24-40頁)
  • CH25 口罩判斷模型之資料集的準備(第25-1頁)
    • 25-1 前言(第25-2頁)
    • 25-2 決定分類模型的類別數量(第25-2頁)
    • 25-3 製作有戴口罩的圖片(第25-2頁)
    • 25-4 口罩圖片的選擇(第25-4頁)
    • 25-5 口罩圖片的解析(第25-4頁)
    • 25-6 偵測圖片的嘴巴區域 (使用Dlib)(第25-5頁)
    • 25-7 安裝 Dlib(第25-7頁)
    • 25-8 使用 Dlib 找到人臉(第25-9頁)
    • 25-9 嘴部區域與口罩的結合(第25-16頁)
    • 25-10 製作訓練集與驗證集(第25-20頁)
    • 25-11 有趣的 AI 應用(第25-26頁)
  • CH26 口罩判斷模型之訓練(第26-1頁)
    • 26-1 匯入套件(第26-2頁)
    • 26-2 訓練集與驗證集的資料安排(第26-3頁)
    • 26-3 讀取訓練集路徑(第26-3頁)
    • 26-4 讀取驗證集路徑(第26-4頁)
    • 26-5 讀取口罩集路徑(第26-6頁)
    • 26-6 建立偵測嘴部區域的函數(第26-6頁)
    • 26-7 建立嘴部區域與口罩結合的函數(第26-7頁)
    • 26-8 建立訓練集的迭代資料函數(第26-9頁)
    • 26-9 建立驗證集的迭代資料函數(第26-10頁)
    • 26-10 建立計算圖(第26-11頁)
    • 26-11 模型架構的差異說明(第26-12頁)
    • 26-12 訓練結果(第26-15頁)
    • 26-13 結果圖形化(第26-16頁)
  • CH27 影像串流與口罩判斷(第27-1頁)
    • 27-1 前言(第27-2頁)
    • 27-2 影像串流(第27-2頁)
    • 27-3 影像串流結合口罩判斷(第27-8頁)
    • 27-4 執行結果(第27-11頁)
  • CH28 安裝套件的步驟說明(第28-1頁)
    • 28-1 使用 Colab(第28-2頁)
    • 28-2 使用 Jupyter(第28-3頁)
紙本書 NT$ 880
單本電子書
NT$ 616
還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code