了得網計算機/網絡_Python計算機視覺和自然語言處理開發機器人應用繫統

編輯推薦

1.技術點熱：用Python講解自然語言處理技術和計算機視覺技術；；

2.作者知名：多名作者聯合編寫，繼承了AI在機器人領域應用的權威經驗；

3.內容豐富：用ROS開發更智能的機器人繫統，用NLP技術和OpenCV技術讓機器人更加智能；

4.立足實踐：書中包含大量練習與項目，幫助讀者快速掌握機器人開發技術，全方位提升讀者的動手能力和研發能力。

5.配套資源：配套的代碼資源包和彩色圖片包，讓你邊學邊對照，學習效率更高。

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。對於智能機器人而言，視覺識別能力和對話能力是非常重要的兩個方面，本書就是基於這兩個技術展開介紹，並通過一繫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。

本書基於Python語言進行講解，結合機器人操作繫統（ROS）平臺給出了豐富多樣的機器人開發方案。本書立足於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。

作者簡介

阿爾瓦羅·莫雷納·阿爾貝羅拉（álvaro Morena Alberola）是一名熱愛機器人學和人工智能的計算機工程師，目前從事軟件開發工作。álvaro對基於人工視覺的人工智能（AI）核心部分非常感興趣，並且喜歡嘗試新技術和先進的工具。對他來說，機器人可以讓人類的生活更輕松，並且可以幫助人們完成他們自己無法完成的任務。貢薩洛·莫利納·加列戈（Gonzalo Molina Gallego）是一名計算機科學專業的碩士，主修人工智能和自然語言處理。他構建過基於文本的對話繫統和對話代理，擅長提供方法論層面的建議。目前，他致力於研究跨領域對話繫統方向的新技術。Gonzalo認為，未來的用戶界面是基於對話的。烏奈·加雷·馬埃斯特雷（Unai Garay Maestre）是一名計算機科學專業的碩士，主修人工智能和計算機視覺。在為2018年的CIARP大會貢獻的一篇論文中，他提出了一種使用變分自編碼器進行數據增強的新方法。他同時是一名機器學習工程師，使用深度神經網絡處理圖像。

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

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

2.2.2OpenCV19

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：加載圖像並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

3.1.3NLP的各層次60

3.2Python中的NLP61

3.2.1自然語言工具包（NLTK）61

3.2.2練習10：NLTK入門62

3.2.3spaCy65

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.模型77

3.4.模型77

3.4.4計算概率78

3.4.5練習13：創建模型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

4.2.3RNN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

4.3.2RNN語言模型102

4.3.3練習16：對一個小語料庫進行編碼103

4.3.4RNN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

5.2CNN基礎113

5.3構建第一個CNN118

練習17：構建一個CNN119

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的模型：遷移學習137

練習19：基於遷移學習對鈔票進行分類139

5.6小結144

第6章機器人操作繫統（ROS）146

6.1簡介146

6.2ROS基本概念147

6.3ROS基本命令148

6.4安裝和配置149

6.5Catkin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章構建基於文本的對話繫統（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餘弦相似度167

7.2.3Word2Vec168

7.2.4Word2Vec的問題169

7.2.5Gensim169

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對話繫統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創建基於文本的對話繫統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章利用基於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繫統195

8.2.2ImageAI200

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

9.2Darknet209

Darknet基礎安裝209

9.3YOLO210

9.3.1使用YOLO進行預測211

9.3.2在攝像頭上使用YOLO215

9.3.3練習28：YOLO編程215

9.3.4練習29：在ROS中集成YOLO219

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

商品搜索

商品分类

【醫學】

【各大出版社】