*數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為實際資訊。 印行年月:202402*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:人工智能邊緣計算開發實戰-基於NVIDIA Jetson Nano ISBN:9787122437334 出版社:化學工業 著編譯者:陳泳翰 桑圓圓 頁數:318 所在地:中國大陸 *此為代購商品 書號:1616005 可大量預訂,請先連絡。 【台灣高等教育出版社簡體書】 人工智能邊緣計算開發實戰-基於NVIDIA Jetson Nano 787122437334 陳泳翰 桑圓圓 內容簡介 本書選取當下大熱的AloT(人工智慧物聯網)為應用場景,以NVIDIA Jetson Nano為硬體平台,系統介紹了人工智慧的開發知識,重點講解了人工智慧中邊緣計算技術的應用。首先介紹了NVIDIA Jetson Nano開發平台和開發環境的配置,然後通過具體的案例介紹了人工智慧邊緣計算在物體檢測、深度學習等領域的應用。 本書適合人工智慧初學者、嵌入式開發技術人員、對人工智慧技術感興趣的青少年及創客教師自學使用,同時也可用作高等院校人工智慧相關專業的教材及參考書。目錄 第1章 初識邊緣AI計算1 1 人工智慧驅動的邊緣計算 1 2 適配深度神經網路的眾核架構 1 3 選擇合適的人工智慧學習平台 1 4 英偉達的「高效/易用/兼容」開發生態 1 5 學習邊緣AI計算從Jetson上手 1 6 Jetson的AIoT成功案例與配套資源 1 7 本章小結 第2章 為Jetson設備安裝開發環境 2 1 Jetpack提供完整的AIoT開發資源 2 2 用Jetpack安裝Jetson設備 2 3 首次啟動Jetson設備 2 4 遠程控制Jetson設備 2 5 檢查系統狀態的基礎指令 2 6 監控與調試Jetson設備的性能 2 7 配套的輔助工具 2 8 本章小結 第3章 體驗Jetpack開發環境 3 1 CUDA并行計算的加速性能 3 1 1 編譯CUDA samples 3 1 2 nbody(粒子碰撞模擬) 3 1 3 oceanFFT(海洋波動模擬) 3 1 4 smokeParticles(煙霧粒子光影模擬) 3 2 高階計算機視覺開發工具包 3 2 1 VisionWorks工具包與範例 3 2 2 VPI簡介 3 2 3 VPI簡易Python範例 3 3 攝像頭的選擇與調用 3 3 1 GStreamer流媒體框架 3 3 2 V4L2 應用庫 3 3 3 libargus 應用庫 3 4 檢測攝像頭 3 4 1 用v4l2-ctl檢測攝像頭參數 3 4 2 用NvGstCapture啟動攝像頭 3 4 3 用gst-launch啟動攝像頭 3 5 好用的OpenCV計算機視覺庫 3 5 1 通過UVC調用USB攝像頭 3 5 2 通過GStreamer調用CSI攝像頭 3 5 3 體驗三種計算機視覺演算法 3 5 4 簡易的人臉定位應用 3 5 5 簡易的眼睛定位應用 3 6 本章小結 第4章 深度學習之推理識別 4 1 智能視覺類三大基礎應用 4 1 1 圖像分類(image classification) 4 1 2 物體檢測(object detection) 4 1 3 語義分割(semantic segmentation) 4 2 進入Hello AI World 4 2 1 完整的深度神經網路(DNN)視覺庫 4 2 2 主要功能模塊 4 2 3 安裝Hello AI World項目 4 3 立即體驗深度學習推理效果 4 3 1 總體參數選項說明 4 3 2 imagenet成批圖像的分類檢測 4 3 3 imagenet的參數說明 4 3 4 detectnet物體檢測指令 4 3 5 其他深度學習推理應用 4 4 用Python開發自己的深度學習推理應用 4 4 1 10行代碼的物體識別應用 4 4 2 獲取推理檢測的信息 4 4 3 添加參數解析功能,擴大適用範圍 4 5 jetson utils視覺處理工具 4 5 1 videoSource()負責全部輸入源處理 4 5 2 videoOutput()負責全部輸出處理 4 5 3 簡單的輸入/輸出範例 4 5 4 RTP/RTSP視頻流轉嚮應用 4 6 本章小結 第5章 深度學習之模型訓練 5 1 調試Jetson的模型訓練環境 5 2 圖像分類的模型訓練 5 2 1 整理圖像分類的數據 5 2 2 用train py執行訓練模型 5 2 3 用訓練好的模型執行推理識別 5 2 4 從ImageNet獲取圖像 5 3 目標檢測的模型訓練 5 3 1 從Open Images獲取目標檢測數據 5 3 2 train_ssd py參數說明 5 3 3 執行目標檢測的模型訓練 5 3 4 模型訓練的參數與時間比較 5 3 5 轉成ONNX格式進行推理識別測試 5 4 更豐富的數據集資源 5 4 1 VOC 目錄 結構與標註格式5 4 2 從VOC數據集提取所需要的類別 5 4 3 從COCO數據集抽離類別並轉成VOC格式 5 4 4 從ImageNet數據集抽離類別並轉成VOC格式 5 4 5 匯總多種數據集來源進行模型訓練 5 5 對自己收集的數據進行標註 5 5 1 手動收集圖像數據 5 5 2 圖像標註工具 5 5 3 標註過程需要注意的重點 5 6 本章小結 第6章 在Jetson上執行YOLO演算法 6 1 YOLO神經網路簡史與演算法演進 6 2 搭配YOLO演算法的Darknet框架 6 2 1 安裝Darknet框架 6 2 2 Darknet使用說明 6 2 3 執行YOLO目標檢測的推理計算 6 3 用Darknet訓練YOLO口罩識別模型 6 3 1 在Jetson使用YOLOv4-Tiny訓練模型 6 3 2 整理數據集與格式轉換 6 3 3 修改YOLOv4-Tiny網路結構文件 6 3 4 執行訓練模型的步驟 6 3 5 檢測口罩識別模型的效果與性能 6 4 調用Darknet的Python介面提取識別內容 6 4 1 darknet_video py的使用方法 6 4 2 修改darknet_images py獲取所識別物體的信息 6 4 3 用darknet_video py獲取識別物件信息 6 5 本章小結 第7章 上手DeepStream智能分析工具 7 1 基於GStreamer框架的DeepStream 7 1 1 GStreamer框架簡介 7 1 2 GStreamer通道結構的組件與襯墊 7 1 3 GStreamer箱櫃的管理機制 7 2 DeepStream的運作體系 7 2 1 DeepStream的功能組件 7 2 2 DeepStream的數據流 7 2 3 DeepStream組件與硬體引擎之對應 7 3 執行DeepStream經典範例 7 3 1 安裝DeepStream 開發套 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |