一本短文集，带你看看数学世界的伟大定理、难题、争论以及诸多不解之谜。
编辑推荐
多名专业作者联合著作，用Python学习自然语言处理和计算机视觉技术，用ROS开发智能的机器人系统，通过实战快速掌握机器人开发技术。
内容简介
本书立足于机器人的视觉和语言处理，通过OpenCV、自然语言处理、循环神经网络、卷积神经网络等技术提高机器人的视觉识别能力和对话能力。
章节目录
- 版权信息
- 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
展开全部
Python计算机视觉和自然语言处理是2021年由人民邮电出版社出版,作者[西] 乌奈·加雷·马埃斯特雷。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python计算机视觉和自然语言处理》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
一本短文集，带你看看数学世界的伟大定理、难题、争论以及诸多不解之谜。
电子书
电子书
电子书
电子书
作者从医30多年的亲身经历和所学所感。
电子书
电子书