人工智能技術(shù)及應用 張文安 楊旭升 付明磊 胡佛
定 價:59 元
本書以AIBox 嵌入式平臺作為人工智能(AI)硬件平臺、以Ubuntu 作為嵌入式操作系統(tǒng)、以Facebook 公司的PyTorch 框架作為深度學習設計框架,設計了攝像頭模糊檢測項目、行人檢測項目、車道線檢測項目和人臉檢測項目4 個人工智能實踐項目,實現(xiàn)了國產(chǎn)人工智能硬件平臺 人工智能開放平臺的無縫組合。本書以案例教學為特色,注重人工智能技術(shù)與圖像處理技術(shù)的融合。本書核心內(nèi)容既包含必要的人工智能基礎(chǔ)知識,例如素材采集與標注、深度學習的建模與調(diào)試等,又包含人工智能開發(fā)的軟件環(huán)境和人工智能技術(shù)應用方法,如Linux 系統(tǒng)的安裝與基本操作、PyTorch 的使用、圖像識別功能的實現(xiàn)和目標檢測功能的實現(xiàn)等。本書既可以作為高等院校人工智能、自動化和智能科學與技術(shù)等相關(guān)專業(yè)的本科生、研究生的教材,也可以作為對人工智能感興趣的技術(shù)人員的參考書。本書提供全部的電子課件和項目代碼,以便讀者在教學、自學過程中使用,幫助讀者全面了解項目的技術(shù)細節(jié)。
本書以案例教學為特色,注重人工智能技術(shù)與圖像處理技術(shù)的融合。本書核心內(nèi)容既包含必要的人工智能基礎(chǔ)知識,例如素材采集與標注、深度學習的建模與調(diào)試等,又包含人工智能開發(fā)的軟件環(huán)境和人工智能技術(shù)應用方法,如Linux 系統(tǒng)的安裝與基本操作、PyTorch 的使用、圖像識別功能的實現(xiàn)和目標檢測功能的實現(xiàn)等。
前言1.為何寫作這本書人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量,也是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù),溢出帶動性強。在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、傳感網(wǎng)和腦科學等新理論新技術(shù)的驅(qū)動下,人工智能加速發(fā)展,呈現(xiàn)出深度學習、跨界融合、人機協(xié)同、群智開放和自主操控等新特征,正在對經(jīng)濟發(fā)展、社會進步等產(chǎn)生重大而深遠的影響。當前,我國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟結(jié)構(gòu)和轉(zhuǎn)換增長動力的攻關(guān)期,迫切需要新一代人工智能等重大創(chuàng)新增添動力。把握新科技革命浪潮,加快人工智能研發(fā)和應用推廣,是我們贏得全球科技競爭主動權(quán)的重要戰(zhàn)略抓手,是推動我國科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的重要戰(zhàn)略。深入把握新一代人工智能發(fā)展的特點,把握數(shù)字化、網(wǎng)絡化、智能化融合發(fā)展契機,在質(zhì)量變革、效率變革、動力變革中發(fā)揮人工智能作用,加強人工智能和產(chǎn)業(yè)發(fā)展融合,將為高質(zhì)量發(fā)展提供新動能。同時,加快發(fā)展新一代人工智能,有利于滿足人民美好生活需要,推動人工智能在人們?nèi)粘9ぷ鳌W習和生活中的深度運用,創(chuàng)造更加智能的工作方式和生活方式。誠如各界所認識到的,人工智能的發(fā)展,需要算法、算力和數(shù)據(jù)作為基礎(chǔ)支撐,需要科學的頂層設計與協(xié)同推進,需要持續(xù)的技術(shù)攻關(guān)和研發(fā)創(chuàng)新,這些都缺一不可,但不能忽視、也必須首先看到的是:與先前的多次人工智能浪潮不同,本輪人工智能發(fā)展最大的特點之一是人工智能技術(shù)與應用實踐的緊密結(jié)合。因為有了典型而豐富的應用實踐,人工智能才能走出理論設想,走出象牙塔,走出實驗室,走入大眾的視野和認知,滲透社會的方方面面。在此背景之下,本書希望能夠為我國人工智能、智能科學與技術(shù)、計算機科學與技術(shù)、自動化等與人工智能應用實踐密切相關(guān)的專業(yè)人才培養(yǎng)貢獻一份微薄的力量。本書詳細介紹了基于AIBox硬件系統(tǒng)和Facebook公司PyTorch深度學習框架的人工智能項目開發(fā)過程,詳細剖析了人工智能開發(fā)實踐所需的基本知識與技術(shù)實現(xiàn)過程。本書編寫的初衷是為了總結(jié)我們近年來在人工智能軟硬件系統(tǒng)開發(fā)和部署方面的實踐教學建設成果,向本領(lǐng)域初學者和開發(fā)人員分享我們的一些學習經(jīng)驗。本書的編寫特色如下:特色1本書以國產(chǎn)人工智能硬件平臺為實踐項目開發(fā)平臺,實現(xiàn)了人工智能技術(shù)與嵌入式系統(tǒng)技術(shù)的有機組合,融入了圖像處理、智能感知的元素。本書既體現(xiàn)了人工智能、智能科學與技術(shù)、自動化等交叉融合專業(yè)的特色,又展現(xiàn)了國產(chǎn)技術(shù)和產(chǎn)品的優(yōu)秀性能,有利于激發(fā)學生的民族自豪感和自信心,有利于培養(yǎng)學生科技報國的家國情懷和使命擔當。特色2本書服務于專業(yè)綜合實踐教學的實際需求,以案例式教學為授課方式,體現(xiàn)了學生中心、產(chǎn)出導向、持續(xù)改進的教育理念。本書能夠幫助任課教師從教學目標、教學內(nèi)容、教學方式和考核方法等方面推進課程思政教育,提高人才培養(yǎng)質(zhì)量,全面貫徹黨的教育方針。特色3本書提供的4個人工智能實踐項目來自于圖像處理或者汽車電子的實際應用場景,生動形象,趣味性強,有利于激發(fā)學生的學習興趣,提升學生對專業(yè)培養(yǎng)的滿意度和認同感,體現(xiàn)了創(chuàng)新創(chuàng)業(yè)教育新范式。2.如何閱讀這本書本書內(nèi)容包含8個章節(jié),按照知識結(jié)構(gòu),可以劃分為3個部分。讀者既可以按照章節(jié)順序逐步學習,也可以選擇其中部分章節(jié)單獨學習。任課教師可以根據(jù)實驗設備和課程學時的具體情況安排教學和實驗內(nèi)容,本書建議的學時安排如圖1所示。圖1本書建議的學時安排第一部分是本書的第1章和第2章,主要介紹人工智能、機器學習和深度學習的基本概念和發(fā)展歷程、深度學習常用編程語言和框架、神經(jīng)網(wǎng)絡生物學基礎(chǔ)知識、卷積神經(jīng)網(wǎng)絡基礎(chǔ)知識等。第一部分內(nèi)容是本書的人工智能基礎(chǔ)理論知識,以具體的深度學習方法為示例,幫助讀者建立從理論到應用的聯(lián)系。第二部分是本書的第3章和第4章,其中第3章主要介紹AIBox硬件系統(tǒng)搭建和調(diào)試;第4章主要介紹Ubuntu的安裝及其他必要的環(huán)境配置等。第二部分內(nèi)容是本書的開發(fā)環(huán)境基礎(chǔ),幫助讀者熟悉和掌握人工智能軟硬件開發(fā)環(huán)境的配置。第三部分是本書的第5章~第8章。其中第5章主要介紹攝像頭模糊檢測項目的數(shù)據(jù)獲取、模型訓練、模型量化、項目源碼分析、項目部署和測試結(jié)果,第6章主要介紹行人檢測項目的數(shù)據(jù)獲取、模型訓練、模型轉(zhuǎn)換、模型量化和項目部署,第7章主要介紹車道線檢測項目的素材采集與標注、環(huán)境搭建、模型訓練、模型量化和項目部署,第8章主要介紹人臉檢測項目的素材采集與標注、環(huán)境搭建、模型訓練、模型量化、源碼解析和項目部署。第三部分是本書中人工智能方法的實踐應用案例,以AIBox硬件系統(tǒng)、嵌入式開發(fā)平臺和PyTorch框架為工具,幫助讀者熟悉和掌握人工智能算法在圖像處理、汽車電子等領(lǐng)域的項目落地部署知識,從而讓理論和應用實踐緊密結(jié)合在一起。致謝首先感謝國家重點研發(fā)計劃政府間國際科技創(chuàng)新合作重點專項項目(2022YFE0121700)、國家自然科學基金項目(62111530299)和浙江省自然科學基金重大項目(LD21F030002)為本書提供資金支持。感謝人機協(xié)作技術(shù)浙江國際科技合作基
高等院校教師
目錄前言第1章緒論1.1人工智能1.2機器學習1.3深度學習1.4Python語言和深度學習框架1.5課后習題第2章神經(jīng)網(wǎng)絡基礎(chǔ)2.1生物神經(jīng)網(wǎng)絡和神經(jīng)元模型2.2人工神經(jīng)網(wǎng)絡2.3卷積神經(jīng)網(wǎng)絡2.4課后習題第3章硬件部署與工具介紹3.1硬件介紹3.2工具介紹3.3模型量化和推理3.4課后習題第4章軟件安裝與部署4.1環(huán)境依賴搭建4.2深度學習網(wǎng)絡搭建4.3課后習題第5章攝像頭模糊檢測項目5.1數(shù)據(jù)獲取5.2模型訓練5.3模型量化5.4項目源碼分析5.5項目部署5.6測試結(jié)果5.7課后習題第6章行人檢測項目6.1數(shù)據(jù)獲取6.2模型訓練6.3模型轉(zhuǎn)換6.4模型量化6.5項目部署6.6課后習題第7章車道線檢測項目7.1素材采集與標注7.2環(huán)境搭建7.3模型訓練7.4模型量化7.5項目部署7.6課后習題第8章人臉檢測項目8.1素材采集與標注8.2環(huán)境搭建8.3模型訓練8.4模型量化8.5源碼解析8.6項目部署8.7課后習題參考文獻