Python計算機視覺和自然語言處理 開發機器人應用系統 ( 簡體 字) |
| 作者：[西]阿爾瓦羅·莫雷納·阿爾貝羅拉（alvaro Morena Alberola） [西]貢薩洛·莫利納·加列戈（Gonzalo Molina Gallego） [西]烏奈·加 | 類別：1. -> 程式設計 -> Python
2. -> 教材 -> 數位影像處理
3. -> 程式設計 -> 自然語言 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 54528
詢問書籍請說出此書號！【缺書】
NT售價： 450 元 |
| 出版日：6/1/2021 |
| 頁數：254 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115560629 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：機器人是人工智能時代的重要產物，為人類的工作和生活提供了非常多的助力。對于智能機器人而言，視覺識別能力和對話能力是非常重要的兩個方面，本書就是基于這兩個技術展開介紹，并通過一系列的編程案例和實踐項目，引導讀者高效掌握機器人的開發技巧。
本書基于Python語言進行講解，結合機器人操作系統（ROS）平臺給出了豐富多樣的機器人開發方案。本書立足于機器人的視覺和語言處理，通過OpenCV、自然語言處理、循環神經網絡、卷積神經網絡等技術提高機器人的視覺識別能力和對話能力。全書包括多個練習和項目，通過知識點和編程實踐相結合的方式，快速帶領讀者掌握實用的機器人開發技術。
本書適合機器人或智能軟硬件研發領域的工程師閱讀，也適合高校人工智能相關專業的師生閱讀。 |
目錄：第 1章 機器人學基礎 1
1.1 簡介 1
1.2 機器人學的歷史 2
1.3 人工智能 3
1.3.1 自然語言處理簡介 4
1.3.2 計算機視覺簡介 5
1.3.3 機器人的類型 5
1.3.4 機器人的硬件和軟件 6
1.4 機器人定位 8
1.4.1 練習1：計算機器人的位置 10
1.4.2 如何進行機器人開發 12
1.4.3 練習2：使用Python計算輪子走過的距離 12
1.4.4 練習3：使用Python計算機器人的最終位置 13
1.4.5 項目1：使用Python和測距法進行機器人定位 15
1.5 小結 16
第 2章 計算機視覺 17
2.1 簡介 17
2.2 計算機視覺基本算法 18
2.2.1 圖像相關術語 18
2.2.2 OpenCV 19
2.2.3 閾值化 19
2.2.4 練習4：對圖像應用各種閾值化操作 21
2.2.5 形態學變換 25
2.2.6 練習5：對圖像應用形態學變換 27
2.2.7 模糊（平滑） 31
2.2.8 練習6：對圖像應用模糊方法 32
2.2.9 練習7：加載圖像并應用所學的各種方法 34
2.3 機器學習簡介 38
2.3.1 決策樹和提升方法 38
2.3.2 練習8：使用決策樹、隨機森林和AdaBoost進行數字
預測 41
2.3.3 人工神經網絡 47
2.3.4 練習9：構建第 一個神經網絡 51
2.3.5 項目2：對Fashion-MNIST數據集中的10種衣物進行分類 54
2.4 小結 56
第3章 自然語言處理 57
3.1 簡介 57
3.1.1 自然語言處理 58
3.1.2 自然語言處理的兩個部分 59
3.1.3 NLP的各層次 60
3.2 Python中的NLP 61
3.2.1 自然語言工具包（NLTK） 61
3.2.2 練習10：NLTK入門 62
3.2.3 spaCy 65
3.2.4 練習11：spaCy入門 67
3.3 主題建模 70
3.3.1 詞頻-逆文檔頻率（TF-IDF） 70
3.3.2 潛在語義分析（LSA） 71
3.3.3 練習12：使用Python進行主題建模 72
3.3.4 項目3：處理一個語料庫 75
3.4 語言建模 76
3.4.1 語言模型簡介 76
3.4.2 二元模型 77
3.4.3 N元模型 77
3.4.4 計算概率 78
3.4.5 練習13：創建一個二元模型 80
3.5 小結 83
第4章 NLP神經網絡 84
4.1 簡介 84
4.2 循環神經網絡 86
4.2.1 循環神經網絡（RNN）簡介 87
4.2.2 循環神經網絡原理 87
4.2.3 RNN架構 89
4.2.4 長距離依賴問題 89
4.2.5 練習14：使用RNN預測房價 90
4.2.6 長短期記憶網絡 93
4.2.7 練習15：預測數學函數的下一個解 94
4.3 神經語言模型 100
4.3.1 神經語言模型簡介 100
4.3.2 RNN語言模型 102
4.3.3 練習16：對一個小語料庫進行編碼 103
4.3.4 RNN的輸入維度 107
4.3.5 項目4：預測字符序列中的下一個字符 109
4.4 小結 111
第5章 計算機視覺中的卷積神經網絡 112
5.1 簡介 112
5.2 CNN基礎 113
5.3 構建第 一個CNN 118
練習17：構建一個CNN 119
5.4 改進模型的方法：數據增強 124
5.4.1 練習18：利用數據增強改進模型 125
5.4.2 項目5：使用數據增強來正確對花朵圖像進行分類 134
5.5 最先進的模型：遷移學習 137
練習19：基于遷移學習對鈔票進行分類 139
5.6 小結 144
第6章 機器人操作系統（ROS） 146
6.1 簡介 146
6.2 ROS基本概念 147
6.3 ROS基本命令 148
6.4 安裝和配置 149
6.5 Catkin工作空間和軟件包 149
6.6 發布者和訂閱者 150
6.6.1 練習20：編寫簡單的發布者和訂閱者 151
6.6.2 練習21：編寫較復雜的發布者和訂閱者 154
6.7 模擬器 159
6.7.1 練習22：Turtlebot配置 159
6.7.2 練習23：模擬器和傳感器 161
6.7.3 項目6：模擬器和傳感器 163
6.8 小結 164
第7章 構建基于文本的對話系統（聊天機器人） 165
7.1 簡介 165
7.2 向量空間中的詞表示 166
7.2.1 詞嵌入 166
7.2.2 余弦相似度 167
7.2.3 Word2Vec 168
7.2.4 Word2Vec的問題 169
7.2.5 Gensim 169
7.2.6 練習24：創建詞嵌入 169
7.2.7 全局向量（GloVe） 173
7.2.8 練習25：使用預訓練的GloVe模型觀察詞語在平面上的分布 174
7.3 對話系統 179
7.3.1 聊天機器人的開發工具 180
7.3.2 對話代理的類型 180
7.3.3 創建基于文本的對話系統 182
7.3.4 練習26：創建第 一個對話代理 184
7.3.5 項目7：創建一個用來控制機器人的對話代理 189
7.4 小結 191
第8章 利用基于CNN的物體識別來指導機器人 193
8.1 簡介 193
8.2 多物體識別和檢測 194
8.2.1 練習27：構建第 一個多物體檢測和識別系統 195
8.2.2 ImageAI 200
8.3 視頻中的多物體識別和檢測 202
項目8：視頻中的多物體檢測和識別 206
8.4 小結 206
第9章 機器人的計算機視覺 208
9.1 簡介 208
9.2 Darknet 209
Darknet基礎安裝 209
9.3 YOLO 210
9.3.1 使用YOLO進行預測 211
9.3.2 在攝像頭上使用YOLO 215
9.3.3 練習28：YOLO編程 215
9.3.4 練習29：在ROS中集成YOLO 219
9.3.5 項目9：機器人保安 223
9.4 小結 224
附錄 本書項目概覽 225 |
| 序： |
