123,123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)根據(jù)當(dāng)前人工智能及機(jī)器學(xué)習(xí)的發(fā)展成果，具體設(shè)計(jì)基于人工智能的模型算法，并給出了具體實(shí)現(xiàn)，最新算法流程及代碼實(shí)現(xiàn)。其主要內(nèi)容包括：AI作曲、語(yǔ)音識(shí)別、人像識(shí)別、車(chē)牌識(shí)別、骨架識(shí)別與肢體定位、人臉識(shí)別、古詩(shī)與歌詞生成的具體實(shí)現(xiàn)。本書(shū)從系統(tǒng)設(shè)計(jì)、代碼實(shí)現(xiàn)以及運(yùn)行結(jié)果展示相結(jié)合，語(yǔ)言簡(jiǎn)潔，深入淺出，通俗易懂，不僅適合對(duì)人工智能編程有興趣的愛(ài)好者，而且可作為高等院校參考教材，還可作為從事智能應(yīng)用創(chuàng)新開(kāi)發(fā)專業(yè)人員的技術(shù)用書(shū)。

作者簡(jiǎn)介

　　李永華，現(xiàn)執(zhí)教于北京郵電大學(xué)，信息通信學(xué)院，教授，擁有超過(guò)10年的嵌入式開(kāi)發(fā)經(jīng)驗(yàn)，致力于物聯(lián)網(wǎng)、云計(jì)算與大數(shù)據(jù)的研究工作。在教學(xué)中善于以興趣為導(dǎo)向，激發(fā)學(xué)生的創(chuàng)造性；以素質(zhì)為基礎(chǔ)，提高自身教學(xué)水平；以科研為手段，促進(jìn)教學(xué)理念的轉(zhuǎn)變。在研發(fā)及教學(xué)實(shí)踐中指導(dǎo)學(xué)生實(shí)現(xiàn)500個(gè)創(chuàng)新案例，承擔(dān)參與了30余項(xiàng)國(guó)家級(jí)、企業(yè)組織的理論研究和工程項(xiàng)目沒(méi)在國(guó)內(nèi)外學(xué)術(shù)期刊以及會(huì)議發(fā)表論文60余篇，申請(qǐng)專利40余項(xiàng)，出版教材30余部。

圖書(shū)目錄

項(xiàng)目1AI作曲
1.1總體設(shè)計(jì)
1.1.1整體框架
1.1.2系統(tǒng)流程
1.2運(yùn)行環(huán)境
1.2.1Python環(huán)境
1.2.2虛擬機(jī)環(huán)境
1.2.3TensorFlow環(huán)境
1.2.4Python類庫(kù)
1.3模塊實(shí)現(xiàn)
1.3.1數(shù)據(jù)準(zhǔn)備
1.3.2信息提取
1.3.3模型構(gòu)建
1.3.4模型訓(xùn)練及保存
1.3.5音樂(lè)模塊
1.4系統(tǒng)測(cè)試
1.4.1訓(xùn)練過(guò)程
1.4.2測(cè)試效果
項(xiàng)目2語(yǔ)音識(shí)別
2.1總體設(shè)計(jì)
2.1.1整體框架
2.1.2系統(tǒng)流程
2.2運(yùn)行環(huán)境
2.2.1Python環(huán)境
2.2.2PyCharm環(huán)境
2.2.3PyTorch環(huán)境
2.2.4CUDA和cuDNN環(huán)境
2.2.5網(wǎng)頁(yè)端配置環(huán)境
2.3模塊實(shí)現(xiàn)
2.3.1數(shù)據(jù)準(zhǔn)備
2.3.2模型構(gòu)建
2.3.3模型訓(xùn)練及保存
2.3.4模型應(yīng)用
2.4系統(tǒng)測(cè)試
2.4.1訓(xùn)練準(zhǔn)確率
2.4.2測(cè)試效果
項(xiàng)目3人像分割
3.1總體設(shè)計(jì)
3.1.1整體框架
3.1.2系統(tǒng)流程
3.2運(yùn)行環(huán)境
3.2.1Python環(huán)境
3.2.2PyTorch環(huán)境
3.2.3PyQt5配置
3.3模塊實(shí)現(xiàn)
3.3.1數(shù)據(jù)準(zhǔn)備
3.3.2模型構(gòu)建
3.3.3模型訓(xùn)練
3.3.4模型保存
3.3.5模型測(cè)試
3.3.6模型運(yùn)行
3.4系統(tǒng)測(cè)試
3.4.1訓(xùn)練準(zhǔn)確率
3.4.2測(cè)試效果
項(xiàng)目4車(chē)輛信息識(shí)別
4.1總體設(shè)計(jì)
4.1.1整體框架
4.1.2系統(tǒng)流程
4.2運(yùn)行環(huán)境
4.3模塊實(shí)現(xiàn)
4.3.1車(chē)牌字符分割
4.3.2訓(xùn)練數(shù)據(jù)
4.3.3車(chē)牌字符識(shí)別
4.4系統(tǒng)測(cè)試
項(xiàng)目5骨架識(shí)別與肢體定位
5.1總體設(shè)計(jì)
5.1.1整體框架
5.1.2系統(tǒng)流程
5.2運(yùn)行環(huán)境
5.2.1Python環(huán)境
5.2.2Openpose環(huán)境
5.2.3PyQt6環(huán)境
5.3模塊實(shí)現(xiàn)
5.3.1靜態(tài)識(shí)別
5.3.2動(dòng)態(tài)識(shí)別
5.3.3模塊展示
5.4系統(tǒng)測(cè)試
項(xiàng)目6生成古詩(shī)與歌詞
6.1總體設(shè)計(jì)
6.1.1整體框架
6.1.2系統(tǒng)流程
6.2運(yùn)行環(huán)境
6.2.1Python環(huán)境
6.2.2TensorFlow環(huán)境
6.2.3PyCharm環(huán)境
6.3模塊實(shí)現(xiàn)
6.3.1數(shù)據(jù)準(zhǔn)備
6.3.2模型構(gòu)建
6.3.3模型訓(xùn)練及保存
6.3.4使用模型生成古詩(shī)
6.3.5產(chǎn)生藏頭詩(shī)
6.3.6用詞云展示生成的古詩(shī)
6.4歌詞生成
6.4.1數(shù)據(jù)準(zhǔn)備
6.4.2模型構(gòu)建
6.4.3模型訓(xùn)練及保存
6.4.4生成歌詞
6.5系統(tǒng)測(cè)試
6.5.1生成古詩(shī)和藏頭詩(shī)
6.5.2生成歌詞
項(xiàng)目7車(chē)牌分割與識(shí)別
7.1總體設(shè)計(jì)
7.1.1整體框架
7.1.2系統(tǒng)流程
7.2運(yùn)行環(huán)境
7.3模塊實(shí)現(xiàn)
7.3.1模型訓(xùn)練
7.3.2模型預(yù)測(cè)
7.3.3模型展示
7.4系統(tǒng)測(cè)試
項(xiàng)目8音樂(lè)源分離
8.1總體設(shè)計(jì)
8.1.1整體框架
8.1.2系統(tǒng)流程
8.2運(yùn)行環(huán)境
8.2.1Python環(huán)境
8.2.2訓(xùn)練環(huán)境
8.2.3網(wǎng)頁(yè)端環(huán)境
8.3模塊實(shí)現(xiàn)
8.3.1數(shù)據(jù)準(zhǔn)備
8.3.2模型訓(xùn)練
8.3.3模型調(diào)用及音源分離
8.3.4前端交互
8.4系統(tǒng)測(cè)試
8.4.1模型訓(xùn)練效果
8.4.2音頻分離效果
8.4.3前端交互效果
項(xiàng)目9寵物識(shí)別
9.1總體設(shè)計(jì)
9.1.1整體框架
9.1.2系統(tǒng)流程
9.2運(yùn)行環(huán)境
9.2.1Python環(huán)境
9.2.2TensorFlow環(huán)境
9.2.3網(wǎng)頁(yè)端環(huán)境
9.3模塊實(shí)現(xiàn)
9.3.1數(shù)據(jù)準(zhǔn)備
9.3.2模型構(gòu)建
9.3.3模型訓(xùn)練
9.3.4模型保存
9.3.5模型應(yīng)用
9.4系統(tǒng)測(cè)試
9.4.1訓(xùn)練準(zhǔn)確率
9.4.2測(cè)試效果
項(xiàng)目10人臉口罩辨別
10.1總體設(shè)計(jì)
10.1.1整體框架
10.1.2系統(tǒng)流程
10.2運(yùn)行環(huán)境
10.2.1Python環(huán)境
10.2.2PyTorch環(huán)境
10.2.3Android環(huán)境
10.3模塊實(shí)現(xiàn)
10.3.1數(shù)據(jù)準(zhǔn)備
10.3.2模型構(gòu)建
10.3.3模型訓(xùn)練
10.3.4模型保存
10.3.5模型應(yīng)用
10.4系統(tǒng)測(cè)試
10.4.1訓(xùn)練準(zhǔn)確率
10.4.2測(cè)試效果
項(xiàng)目11圖像風(fēng)格遷移
11.1總體設(shè)計(jì)
11.1.1整體框架
11.1.2系統(tǒng)流程
11.2運(yùn)行環(huán)境
11.2.1Python環(huán)境
11.2.2TensorFlow環(huán)境
11.2.3Android環(huán)境
11.3模塊實(shí)現(xiàn)
11.3.1數(shù)據(jù)準(zhǔn)備
11.3.2模型構(gòu)建
11.3.3模型訓(xùn)練
11.3.4模型評(píng)估
11.3.5模型保存
11.3.6模型應(yīng)用
11.4系統(tǒng)測(cè)試
11.4.1損失函數(shù)變化趨勢(shì)
11.4.2模型運(yùn)行
11.4.3測(cè)試效果
項(xiàng)目12目標(biāo)檢測(cè)網(wǎng)頁(yè)應(yīng)用
12.1總體設(shè)計(jì)
12.1.1整體框架
12.1.2系統(tǒng)流程
12.2運(yùn)行環(huán)境
12.2.1Python環(huán)境
12.2.2PyTorch環(huán)境
12.2.3網(wǎng)絡(luò)環(huán)境
12.3模塊實(shí)現(xiàn)
12.3.1數(shù)據(jù)準(zhǔn)備
12.3.2模型構(gòu)建
12.3.3模型訓(xùn)練
12.4系統(tǒng)測(cè)試
12.4.1訓(xùn)練結(jié)果
12.4.2測(cè)試效果
項(xiàng)目13圖像隱寫(xiě)
13.1總體設(shè)計(jì)
13.1.1整體框架
13.1.2系統(tǒng)流程
13.2運(yùn)行環(huán)境
13.3模塊實(shí)現(xiàn)
13.3.1數(shù)據(jù)準(zhǔn)備
13.3.2模型實(shí)現(xiàn)
13.3.3模型訓(xùn)練及評(píng)估
13.3.4模型保存
13.4系統(tǒng)測(cè)試
13.4.1訓(xùn)練準(zhǔn)確率
13.4.2測(cè)試效果
項(xiàng)目14圖像檢索
14.1總體設(shè)計(jì)
14.1.1整體框架
14.1.2系統(tǒng)流程
14.2運(yùn)行環(huán)境
14.2.1Python環(huán)境
14.2.2TensorFlow環(huán)境
14.3模塊實(shí)現(xiàn)
14.3.1數(shù)據(jù)準(zhǔn)備
14.3.2模型初始化及移植
14.3.3數(shù)字圖像處理
14.4系統(tǒng)測(cè)試
項(xiàng)目15人臉口罩檢測(cè)
15.1總體設(shè)計(jì)
15.1.1整體框架
15.1.2系統(tǒng)流程
15.2運(yùn)行環(huán)境
15.2.1Python環(huán)境
15.2.2PyTorch環(huán)境
15.2.3微信小程序
15.3模塊實(shí)現(xiàn)
15.3.1數(shù)據(jù)準(zhǔn)備
15.3.2模型訓(xùn)練
15.3.3服務(wù)器端部署
15.3.4移動(dòng)端應(yīng)用
15.4系統(tǒng)測(cè)試
15.4.1訓(xùn)練準(zhǔn)確率
15.4.2模型推理測(cè)試
項(xiàng)目16生活垃圾識(shí)別
16.1總體設(shè)計(jì)
16.1.1整體框架
16.1.2系統(tǒng)流程
16.2運(yùn)行環(huán)境
16.2.1Python環(huán)境
16.2.2PyTorch環(huán)境
16.2.3網(wǎng)頁(yè)端
16.3模塊實(shí)現(xiàn)
16.3.1數(shù)據(jù)準(zhǔn)備
16.3.2模型構(gòu)建
16.3.3模型訓(xùn)練
16.3.4模型保存
16.4系統(tǒng)測(cè)試
16.4.1訓(xùn)練準(zhǔn)確率
16.4.2測(cè)試效果
項(xiàng)目17動(dòng)態(tài)交通手勢(shì)識(shí)別的車(chē)輛控制
17.1總體設(shè)計(jì)
17.1.1整體框架
17.1.2系統(tǒng)流程
17.2運(yùn)行環(huán)境
17.2.1Python環(huán)境
17.2.2TensorFlow環(huán)境
17.2.3Arduino環(huán)境
17.3模塊實(shí)現(xiàn)
17.3.1數(shù)據(jù)準(zhǔn)備
17.3.2導(dǎo)入模型并編譯
17.3.3模型訓(xùn)練及評(píng)估
17.3.4訓(xùn)練結(jié)果
17.3.5通信模塊
17.3.6藍(lán)牙模塊
17.4系統(tǒng)測(cè)試
項(xiàng)目18物體識(shí)別
18.1總體設(shè)計(jì)
18.1.1整體框架
18.1.2系統(tǒng)流程
18.2運(yùn)行環(huán)境
18.2.1Python環(huán)境
18.2.2PyTorch環(huán)境
18.2.3網(wǎng)頁(yè)端環(huán)境
18.3模塊實(shí)現(xiàn)
18.3.1數(shù)據(jù)準(zhǔn)備
18.3.2模型構(gòu)建
18.3.3模型訓(xùn)練
18.3.4模型保存
18.3.5模型應(yīng)用
18.4系統(tǒng)測(cè)試
18.4.1訓(xùn)練準(zhǔn)確率
18.4.2測(cè)試效果
項(xiàng)目19人體識(shí)別
19.1總體設(shè)計(jì)
19.1.1整體框架
19.1.2系統(tǒng)流程
19.2運(yùn)行環(huán)境
19.2.1Python 環(huán)境
19.2.2StreamYOLO 環(huán)境
19.2.3CUDA環(huán)境
19.2.4Qt 相關(guān)安裝
19.3模塊實(shí)現(xiàn)
19.3.1數(shù)據(jù)準(zhǔn)備
19.3.2模型訓(xùn)練
19.3.3模型應(yīng)用
19.4系統(tǒng)測(cè)試
項(xiàng)目20垃圾分類
20.1總體設(shè)計(jì)
20.1.1整體框架
20.1.2系統(tǒng)流程
20.2運(yùn)行環(huán)境
20.2.1Python環(huán)境
20.2.2TensorFlow環(huán)境
20.2.3PyQt5環(huán)境
20.3模塊實(shí)現(xiàn)
20.3.1數(shù)據(jù)準(zhǔn)備
20.3.2模型構(gòu)建
20.3.3模型訓(xùn)練
20.3.4模型應(yīng)用
20.4系統(tǒng)測(cè)試
項(xiàng)目21垃圾郵件識(shí)別
21.1總體設(shè)計(jì)
21.1.1整體框架
21.1.2系統(tǒng)流程
21.2運(yùn)行環(huán)境
21.2.1Python環(huán)境
21.2.2Flask 環(huán)境
21.3模塊實(shí)現(xiàn)
21.3.1數(shù)據(jù)準(zhǔn)備
21.3.2樸素貝葉斯算法
21.3.3詞劃分
21.3.4貝葉斯垃圾郵件分類自動(dòng)化處理
21.3.5訓(xùn)練效果展示
21.4系統(tǒng)測(cè)試
項(xiàng)目22宿舍門(mén)禁系統(tǒng)
22.1總體設(shè)計(jì)
22.1.1整體框架
22.1.2系統(tǒng)流程
22.2運(yùn)行環(huán)境
22.2.1Python環(huán)境
22.2.2網(wǎng)頁(yè)端
22.3模塊實(shí)現(xiàn)
22.3.1數(shù)據(jù)準(zhǔn)備
22.3.2模型構(gòu)建
22.3.3模型訓(xùn)練
22.3.4模型應(yīng)用
22.3.5模型運(yùn)行
22.4系統(tǒng)測(cè)試
項(xiàng)目23人數(shù)檢測(cè)
23.1總體設(shè)計(jì)
23.1.1整體框架
23.1.2系統(tǒng)流程
23.2運(yùn)行環(huán)境
23.2.1Python環(huán)境
23.2.2其他安裝包
23.3模塊實(shí)現(xiàn)
23.3.1數(shù)據(jù)準(zhǔn)備
23.3.2模型構(gòu)建
23.3.3模型訓(xùn)練
23.3.4模型保存
23.3.5模型應(yīng)用
23.4系統(tǒng)測(cè)試
23.4.1訓(xùn)練準(zhǔn)確率
23.4.2測(cè)試效果
項(xiàng)目24醫(yī)療診斷
24.1總體設(shè)計(jì)
24.1.1整體框架
24.1.2系統(tǒng)流程
24.2運(yùn)行環(huán)境
24.2.1Python環(huán)境
24.2.2Sklearn環(huán)境
24.2.3網(wǎng)頁(yè)端
24.3模塊實(shí)現(xiàn)
24.3.1數(shù)據(jù)準(zhǔn)備
24.3.2模型構(gòu)建
24.3.3數(shù)據(jù)集劃分及模型訓(xùn)練
24.3.4模型選擇
24.3.5模型保存
24.3.6模型應(yīng)用
24.4系統(tǒng)測(cè)試
24.4.1訓(xùn)練準(zhǔn)確率
24.4.2測(cè)試效果
項(xiàng)目25水果識(shí)別
25.1總體設(shè)計(jì)
25.1.1整體框架
25.1.2系統(tǒng)流程
25.2運(yùn)行環(huán)境
25.2.1Python環(huán)境
25.2.2TensorFlow環(huán)境
25.2.3PyQt5環(huán)境
25.3模塊實(shí)現(xiàn)
25.3.1模型構(gòu)建及訓(xùn)練
25.3.2模型測(cè)試
25.3.3圖形化界面
25.4系統(tǒng)測(cè)試
25.4.1測(cè)試準(zhǔn)確率
25.4.2測(cè)試效果
項(xiàng)目26表情識(shí)別
26.1總體設(shè)計(jì)
26.1.1整體框架
26.1.2系統(tǒng)流程
26.2運(yùn)行環(huán)境
26.3模塊實(shí)現(xiàn)
26.3.1數(shù)據(jù)準(zhǔn)備
26.3.2模型構(gòu)建
26.3.3模型訓(xùn)練
26.3.4前端展示
26.4系統(tǒng)測(cè)試
26.4.1訓(xùn)練準(zhǔn)確率
26.4.2測(cè)試效果
項(xiàng)目27生成圖像字幕
27.1總體設(shè)計(jì)
27.1.1整體框架
27.1.2系統(tǒng)流程
27.2運(yùn)行環(huán)境
27.2.1Python環(huán)境
27.2.2PyTorch環(huán)境
27.2.3網(wǎng)頁(yè)端環(huán)境
27.3模塊實(shí)現(xiàn)
27.3.1數(shù)據(jù)準(zhǔn)備
27.3.2數(shù)據(jù)預(yù)處理
27.3.3數(shù)據(jù)讀取
27.3.4模型構(gòu)建
27.3.5模型保存
27.3.6模型應(yīng)用
27.4系統(tǒng)測(cè)試
項(xiàng)目28驗(yàn)證碼的生成和識(shí)別
28.1總體設(shè)計(jì)
28.1.1整體框架
28.1.2系統(tǒng)流程
28.2運(yùn)行環(huán)境
28.2.1Python環(huán)境
28.2.2TensorFlow環(huán)境
28.2.3Android環(huán)境/網(wǎng)頁(yè)端/鴻蒙/iOS
28.3模塊實(shí)現(xiàn)
28.3.1數(shù)據(jù)準(zhǔn)備
28.3.2模型構(gòu)建
28.3.3模型訓(xùn)練
28.3.4模型保存
28.3.5模型應(yīng)用
28.4系統(tǒng)測(cè)試
28.4.1訓(xùn)練準(zhǔn)確率
28.4.2測(cè)試效果
項(xiàng)目29中文語(yǔ)音輸入法
29.1總體設(shè)計(jì)
29.1.1整體框架
29.1.2系統(tǒng)流程
29.2運(yùn)行環(huán)境
29.2.1Python環(huán)境
29.2.2TensorFlow環(huán)境
29.2.3其他依賴庫(kù)
29.3模塊實(shí)現(xiàn)
29.3.1數(shù)據(jù)準(zhǔn)備
29.3.2模型構(gòu)建
29.3.3模型訓(xùn)練及驗(yàn)證
29.3.4模型應(yīng)用
29.4系統(tǒng)測(cè)試
29.4.1訓(xùn)練準(zhǔn)確率
29.4.2測(cè)試效果
項(xiàng)目30狗種類識(shí)別
30.1總體設(shè)計(jì)
30.1.1整體框架
30.1.2系統(tǒng)流程
30.2運(yùn)行環(huán)境
30.2.1Python環(huán)境
30.2.2PyTorch環(huán)境
30.2.3Android環(huán)境
30.3模塊實(shí)現(xiàn)
30.3.1數(shù)據(jù)準(zhǔn)備
30.3.2模型構(gòu)建
30.3.3模型訓(xùn)練
30.3.4模型保存
30.3.5模型應(yīng)用
30.3.6模型運(yùn)行
30.4系統(tǒng)測(cè)試
30.4.1訓(xùn)練準(zhǔn)確率
30.4.2測(cè)試效果