Python计算机视觉和自然语言处理电子书

版 权

版权声明

内容提要

作者简介

前 言

资源与支持

第1章 机器人学基础

1.1 简介

1.2 机器人学的历史

1.3 人工智能

1.3.1 自然语言处理简介

1.3.2 计算机视觉简介

1.3.3 机器人的类型

1.3.4 机器人的硬件和软件

1.4 机器人定位

1.4.1 练习1：计算机器人的位置

1.4.2 如何进行机器人开发

1.4.3 练习2：使用Python计算轮子走过的距离

1.4.4 练习3：使用Python计算机器人的最终位置

1.4.5 项目1：使用Python和测距法进行机器人定位

1.5 小结

第2章 计算机视觉

2.1 简介

2.2 计算机视觉基本算法

2.2.1 图像相关术语

2.2.2 OpenCV

2.2.3 阈值化

2.2.4 练习4：对图像应用各种阈值化操作

2.2.5 形态学变换

2.2.6 练习5：对图像应用形态学变换

2.2.7 模糊（平滑）

2.2.8 练习6：对图像应用模糊方法

2.2.9 练习7：加载图像并应用所学的各种方法

2.3 机器学习简介

2.3.1 决策树和提升方法

2.3.2 练习8：使用决策树、随机森林和AdaBoost进行数字预测

2.3.3 人工神经网络

2.3.4 练习9：构建第一个神经网络

2.3.5 项目2：对Fashion-MNIST数据集中的10种衣物进行分类

2.4 小结

第3章 自然语言处理

3.1 简介

3.1.1 自然语言处理

3.1.2 自然语言处理的两个部分

3.1.3 NLP的各层次

3.2 Python中的NLP

3.2.1 自然语言工具包（NLTK）

3.2.2 练习10：NLTK入门

3.2.3 spaCy

3.2.4 练习11：spaCy入门

3.3 主题建模

3.3.1 词频-逆文档频率（TF-IDF）

3.3.2 潜在语义分析（LSA）

3.3.3 练习12：使用Python进行主题建模

3.3.4 项目3：处理一个语料库

3.4 语言建模

3.4.1 语言模型简介

3.4.2 二元模型

3.4.3 N元模型

3.4.4 计算概率

3.4.5 练习13：创建一个二元模型

3.5 小结

第4章 NLP神经网络

4.1 简介

4.2 循环神经网络

4.2.1 循环神经网络（RNN）简介

4.2.2 循环神经网络原理

4.2.3 RNN架构

4.2.4 长距离依赖问题

4.2.5 练习14：使用RNN预测房价

4.2.6 长短期记忆网络

4.2.7 练习15：预测数学函数的下一个解

4.3 神经语言模型

4.3.1 神经语言模型简介

4.3.2 RNN语言模型

4.3.3 练习16：对一个小语料库进行编码

4.3.4 RNN的输入维度

4.3.5 项目4：预测字符序列中的下一个字符

4.4 小结

第5章 计算机视觉中的卷积神经网络

5.1 简介

5.2 CNN基础

5.3 构建第一个CNN

练习17：构建一个CNN

5.4 改进模型的方法：数据增强

5.4.1 练习18：利用数据增强改进模型

5.4.2 项目5：使用数据增强来正确对花朵图像进行分类

5.5 最先进的模型：迁移学习

练习19：基于迁移学习对钞票进行分类

5.6 小结

第6章 机器人操作系统（ROS）

6.1 简介

6.2 ROS基本概念

6.3 ROS基本命令

6.4 安装和配置

6.5 Catkin工作空间和软件包

6.6 发布者和订阅者

6.6.1 练习20：编写简单的发布者和订阅者

6.6.2 练习21：编写较复杂的发布者和订阅者

6.7 模拟器

6.7.1 练习22：Turtlebot配置

6.7.2 练习23：模拟器和传感器

6.7.3 项目6：模拟器和传感器

6.8 小结

第7章 构建基于文本的对话系统（聊天机器人）

7.1 简介

7.2 向量空间中的词表示

7.2.1 词嵌入

7.2.2 余弦相似度

7.2.3 Word2Vec

7.2.4 Word2Vec的问题

7.2.5 Gensim

7.2.6 练习24：创建词嵌入

7.2.7 全局向量（GloVe）

7.2.8 练习25：使用预训练的GloVe模型观察词语在平面上的分布

7.3 对话系统

7.3.1 聊天机器人的开发工具

7.3.2 对话代理的类型

7.3.3 创建基于文本的对话系统

7.3.4 练习26：创建第一个对话代理

7.3.5 项目7：创建一个用来控制机器人的对话代理

7.4 小结

第8章 利用基于CNN的物体识别来指导机器人

8.1 简介

8.2 多物体识别和检测

8.2.1 练习27：构建第一个多物体检测和识别系统

8.2.2 ImageAI

8.3 视频中的多物体识别和检测

项目8：视频中的多物体检测和识别

8.4 小结

第9章 机器人的计算机视觉

9.1 简介

9.2 Darknet

Darknet基础安装

9.3 YOLO

9.3.1 使用YOLO进行预测

9.3.2 在摄像头上使用YOLO

9.3.3 练习28：YOLO编程

9.3.4 练习29：在ROS中集成YOLO

9.3.5 项目9：机器人保安

9.4 小结

附录 本书项目概览

第1章 机器人学基础

项目1：使用Python和测距法进行机器人定位

第2章 计算机视觉

项目2：对Fashion-MNIST数据集中的10种衣物进行分类

第3章 自然语言处理

项目3：处理一个语料库

第4章 NLP神经网络

项目4：预测字符序列中的下一个字符

第5章 计算机视觉中的卷积神经网络

项目5：使用数据增强来正确对花朵图像进行分类

第6章 机器人操作系统（ROS）

项目6：模拟器和传感器

第7章 构建基于文本的对话系统（聊天机器人）

项目7：创建一个用来控制机器人的对话代理

第8章 利用基于CNN的物体识别来指导机器人

项目8：视频中的多物体检测和识别

第9章 机器人的计算机视觉

项目9：机器人保安