新一代人工智能：無代碼人工智能開發(fā)平臺實踐

第 1章 人工智能概述 1
1.1 什么是人工智能 2
1.1.1 人工智能的定義 2
1.1.2 人工智能的起源 2
1.2 人工智能的發(fā)展歷史 2
1.3 新一代人工智能的三要素 3
1.3.1 數(shù)據(jù)與數(shù)據(jù)集 4
1.3.2 算法與深度學習框架 5
1.3.3 算力 5
1.4 新一代人工智能產業(yè)全景結構 5
1.4.1 基礎層 5
1.4.2 技術層 6
1.4.3 應用層 6
1.5 人工智能產業(yè)和應用領域 6
1.5.1 人工智能產業(yè) 6
1.5.2 人工智能在智慧城市中的應用 7
1.5.3 人工智能在智慧現(xiàn)場安監(jiān)中的應用 8
1.6 人工智能體驗 8
1.6.1 百度AI能力體驗中心 8
1.6.2 圖像識別 9
1.6.3 圖像增強與特效 12
1.6.4 人臉與人體識別 13
1.6.5 語音技術 17
1.6.6 自然語言處理 17
1.6.7 通用文字識別 20
1.6.8 卡證文字識別 22
1.6.9 交通文字識別 23
1.6.10 票據(jù)文字識別 25
1.6.11 其他文字識別 27
小結 27
練習 28
第 2章 人工智能產品開發(fā)與EasyDL平臺 29
2.1 人工智能產品開發(fā) 30
2.1.1 人工智能產品開發(fā)流程 30
2.1.2 模型評判常用指標 31
2.2 EasyDL平臺介紹 32
2.2.1 EasyDL平臺是什么 32
2.2.2 EasyDL平臺使用基本流程 33
2.2.3 模型部署方式 33
2.2.4 EasyDL平臺系列產品 34
2.2.5 EasyDL產品優(yōu)勢 39
2.3 AI產品市場和服務平臺 41
2.3.1 AI市場提供的產品和服務 41
2.3.2 AI市場的交易方 42
小結 42
練習 42
第3章 圖像智能分析 43
3.1 視覺感知與圖像 44
3.2 圖像的表示和存儲 45
3.2.1 圖像的表示與數(shù)字化 45
3.2.2 圖像的存儲 46
3.3 圖像分類 46
3.3.1 圖像分類的基本概念 46
3.3.2 圖像分類問題處理流程 47
3.3.3 靜態(tài)物品圖像分類的問題分析和數(shù)據(jù)采集 47
3.3.4 基于EasyDL平臺的圖像分類模型訓練 48
3.3.5 模型校驗 58
3.3.6 模型發(fā)布 61
3.4 物體檢測 64
3.4.1 物體檢測的基本概念 64
3.4.2 物體檢測處理流程 65
3.4.3 靜態(tài)物品物體檢測的問題分析和數(shù)據(jù)采集 65
3.4.4 基于EasyDL平臺的物體檢測模型訓練 66
3.4.5 模型校驗 74
3.4.6 模型發(fā)布 76
3.5 圖像分割 78
3.5.1 圖像分割的基本概念 78
3.5.2 靜態(tài)物品圖像分割的問題分析和數(shù)據(jù)采集 79
3.5.3 基于EasyDL平臺的圖像分割模型訓練 80
3.5.4 模型校驗 87
3.5.5 模型發(fā)布 87
小結 90
練習 91
第4章 文本智能分析 92
4.1 自然語言處理與文本 93
4.2 文本分類 94
4.2.1 問題分析 95
4.2.2 模型創(chuàng)建 95
4.2.3 數(shù)據(jù)準備 96
4.2.4 模型訓練 100
4.2.5 模型發(fā)布 105
4.3 短文本相似度分析 108
4.3.1 問題分析 108
4.3.2 模型創(chuàng)建 109
4.3.3 數(shù)據(jù)準備 109
4.3.4 模型訓練 111
4.3.5 模型發(fā)布 112
4.4 情感傾向分析 113
4.4.1 問題分析 113
4.4.2 模型創(chuàng)建 113
4.4.3 數(shù)據(jù)準備 114
4.4.4 模型訓練 116
4.4.5 模型發(fā)布 118
小結 118
練習 119
第5章 語音智能分析 120
5.1 語音處理 121
5.2 聲音分類 121
5.2.1 問題分析 121
5.2.2 模型創(chuàng)建 122
5.2.3 數(shù)據(jù)準備 122
5.2.4 模型訓練 124
5.3 語音識別 127
5.3.1 問題分析 128
5.3.2 模型的創(chuàng)建與評估 128
5.3.3 模型訓練 131
5.3.4 模型的上線與調用 132
小結 133
練習 133
第6章 EasyDL OCR 134
6.1 OCR簡介 135
6.2 OCR的應用領域和場景 135
6.3 EasyDL OCR簡介 137
6.3.1 EasyDL OCR處理流程 137
6.3.2 EasyDL OCR產品優(yōu)勢 137
6.4 EasyDL OCR操作案例 138
6.4.1 問題背景 138
6.4.2 需求分析 138
6.4.3 數(shù)據(jù)準備 139
6.4.4 EasyDL OCR操作步驟 139
6.5 關于標注方案的討論 148
6.5.1 “金額”字段的標注 149
6.5.2 “校驗碼”字段的標注 149
小結 149
練習 150
第7章 EdgeBoard硬件部署 151
7.1 EdgeBoard計算卡簡介 153
7.2 安裝系統(tǒng) 153
7.2.1 串口連接 155
7.2.2 SSH連接 156
7.3 模型訓練 159
7.4 硬件部署 166
小結 174
練習 174
第8章 基于EasyDL平臺的人工智能學科競賽 175
8.1 中國高校計算機大賽人工智能創(chuàng)意賽 176
8.1.1 比賽設置 176
8.1.2 比賽要求 178
8.2 賦能組比賽對專業(yè)認證中非技術能力的要求與考查 180
8.2.1 技術能力與非技術能力 180
8.2.2 C4-AI比賽評分標準對非技術指標的支撐 181
8.2.3 缺失的技術能力和非技術能力 182
8.3 2019—2021年C4-AI比賽獲獎項目數(shù)據(jù)分析 183
8.3.1 歷屆獲獎清單 183
8.3.2 賽事獲獎項目涉及的行業(yè)和專業(yè)分析 185
8.4 賽事展望 187
小結 187
練習 188
第9章 EasyDL平臺行業(yè)賦能案例 189
9.1 文旅行業(yè) 190
9.1.1 AI識魚，讓游客暢玩海洋館 190
9.1.2 EasyDL平臺助力智能解讀國粹精品 190
9.2 零售行業(yè) 191
9.2.1 EasyDL平臺助力智能結算，向智能零售更近一步 191
9.2.2 圖像識別驅動零售門店陳列審核升級 192
9.3 制造行業(yè) 193
9.3.1 EasyDL平臺使箱包檢針質檢更輕松 193
9.3.2 AI助力機械質檢高效化 194
9.4 交通運輸行業(yè) 194
9.4.1 EasyDL平臺為橋梁巡檢提質增效 194
9.4.2 “AI出?！敝悄茏R別船舶運輸狀態(tài) 195
9.4.3 百度大腦助力快遞到家更快、更安全 196
9.5 管理與服務行業(yè) 197
9.5.1 百度大腦助力水務部門實現(xiàn)地下資產智能管理 197
9.5.2 EasyDL平臺物體檢測實現(xiàn)公共空間能效管理 197
9.6 餐飲行業(yè) 198
9.7 教育行業(yè) 199
9.8 電力行業(yè) 200
9.9 醫(yī)療健康行業(yè) 201
9.10 企業(yè)服務行業(yè) 202
小結 202
練習 203
附錄A EasyDL功能更新 204
附錄B 飛槳EasyDL桌面版操作 208
附錄C 使用labelImg進行物體檢測標注 220
附錄D 行業(yè)補充案例 231