AI影像深度學習啟蒙：用python進行人臉口罩識別


	本書涵蓋的內容有　　★線上平台COLAB使用教學　　★本機電腦Jupyter使用教學　　★基本運算、變數與字串　　★串列、元組、集合與字典　　★流程控制if else 　　★流程控制for與while 　　★函數、類別與物件　　★資料夾與檔案處理　　★txt、csv、json文件的讀寫　　★基礎套件的使用　　★Numpy的使用　　★OpenCV的使用　　★完整Tensorflow安裝流程　　★Tensorflow的使用　　★類神經網路(ANN)原理與實作　　★卷積神經網路(CNN)原理與實作　　★模型可視化工具Netron的使用　　★口罩識別模型教學　　★影像串流與實時口罩識別　　這是一本想給非資電領域或初學者的入門書籍，內容從基礎語法開始，使用日常所見的比喻協助理解，在AI類神經網路的基礎部分，使用大家都熟悉的二元一次方程式來切入，多以圖表來說明概念，避免艱澀的數學推導，一步一步講解建立深度學習模型的步驟，書本最後還帶入口罩識別模型的教學實例，協助讀者從頭到尾完成一個專題，讓AI更貼近你我的生活。


	目錄 CH01　作者自序與前言 1-1 作者自序 1-2 前言 CH02　安裝Python 與編輯環境 2-1 編輯環境的選擇: Colab 與Jupyter 2-2 Colab 的介面使用說明 2-3 Jupyter 的安裝 2-4 Jupyter 的使用 CH03　Python 的運算 3-1 print 函數與程式碼註解方式 3-2 四則運算 3-3 變數(Variable) 3-4 數值型態(Numeric type) 3-5 字串 CH04　流程控制之選擇結構 if else 4-1 前言 4-2 關係運算 4-3 邏輯運算 4-4 if else CH05　串列List 5-1 前言 5-2 串列的使用 5-3 流程控制之重複架構 for 迴圈(for loop) 5-4 物件的簡單概念(Object) 5-5 常用的基本函數 CH06　元組(Tuple) 6-1 前言 6-2 元組的使用 CH07　集合(Set) 7-1 前言 7-2 集合的使用 7-3 使用Python 開發的應用或服務 CH08　字典Dictionary 8-1 前言 8-2 字典的使用 CH09　流程控制之重複架構while 迴圈(while loop) 9-1 前言 9-2 while 迴圈使用方式 CH10　函數(function) 10-1 前言 10-2 函數的使用方式 CH11　類別(class) 與物件(object) 11-1 前言 11-2 類別的定義與初始化 11-3 物件(Object) 概念 11-4 物件的宣告 11-5 建立類別的方法 11-6 繼承 11-7 建立私有屬性與方法 11-8 範例練習 11-9 預設屬性__doc__ 11-10 特殊方法__str__() 與__repr__() 11-11 物件的銷毀 CH12　宣告的數值與字串也是物件 12-1 物件導向程式設計(Object-oriented programming) 12-2 宣告整數與浮點數物件 12-3 宣告字串的物件 CH13　常用基礎套件介紹 13-1 套件(package) 的定義 13-2 查看已安裝的套件 13-3 sys 套件的使用 13-4 math 套件的使用 13-5 random 套件的使用 13-6 time 套件的使用 CH14　資料夾與檔案的處理 14-1 前言 14-2 資料夾的處理 14-3 檔案的處理 14-4 shutil 套件的使用 CH15　檔案的讀取與寫入 15-1 前言 15-2 檔案的寫入 15-3 檔案的讀取 15-4 JSON 檔案 CH16　細說數值型態 16-1 基本單位 16-2 狀態多寡與位元的關係 16-3 數值與位元的關係 16-4 Byte 與Bit 的關係 16-5 KB, MB, GB 的關係 16-6 數值型態的介紹 CH17　Numpy 的介紹 17-1 前言 17-2 Numpy 套件的基本使用 17-3 常用屬性介紹 17-4 常用方法介紹 17-5 多維陣列進行不同維度的計算( 使用np.sum()) 17-6 函數np.mean() 17-7 函數np.max() 與np.min() 17-8 函數argmax() 與np.argmin() 17-9 函數np.zeros() 17-10 函數np.zeros_like() 17-11 函數np.zeros() 17-12 函數np.ones_like() 17-13 相加函數np.add() 17-14 亂數函數np.random.randint() 17-15 排列函數np.random.permutation() CH18　圖片的顯示 18-1 圖片的尺寸 18-2 灰階圖像與彩色圖像 18-3 灰階圖像的組成 18-4 彩色圖像的組成 18-5 圖片的格式 18-6 下載練習圖庫 18-7 OpenCV 的使用說明 CH19　類神經網路的介紹 19-1 人工智慧(Artificial intelligence) 其實只是統稱 19-2 機器學習(machine learning) 19-3 回憶二元一次方程式 19-4 從二元一次方程式到機器學習 19-5 類神經網路(Artificial Neural Network) 19-6 有趣的AI 應用 CH20　Tensorflow 簡介 20-1 什麼是Tensorflow 20-2 顯示卡的多核心優勢 20-3 Tensorflow 做了什麼? 20-4 安裝Tensorflow 20-5 匯入Tensorflow 套件 20-6 Tensorflow 與其他套件的相異處 20-7 如何看待Tensorflow 20-8 如何得到計算結果 20-9 張量(Tensor) 20-10 Tf.Graph() 的使用 20-11 GPU 資源的設定 20-12 如何使用程式碼設定GPU 的使用量 20-13 AI 的實際應用: 自動駕駛 CH21　資料集介紹(Introduction of datasets) 21-1 前言 21-2 匯入套件 21-3 Cifar10 資料集 21-4 Mnist 資料集 CH22　建立類神經網路 22-1 前言 22-2 匯入套件 22-3 匯入資料集Mnist 22-4 類神經網路 22-5 開始訓練 22-6 有趣的AI 應用 CH23　卷積神經網路的介紹 23-1 全連接層(fully connected layer) 23-2 更有效的圖像學習方式 23-3 卷積(convolution) 23-4 卷積的計算 23-5 卷積是全連接層的簡化 23-6 卷積的完整範例 23-7 Kernel 學到了什麼 23-8 彩色圖片的卷積方式 23-9 計算權重數量 23-10 Kernel 的張數 23-11 池化(pooling) 23-12 計算經過卷積後的尺寸 23-13 全連接層全然無用嗎? 23-14 有趣的AI 應用 CH24　建立卷積神經網路 24-1 前言 24-2 匯入套件 24-3 匯入資料集 24-4 資料集前處理 24-5 建立計算圖 24-6 宣告tf.placeholder 24-7 計算訓練的參數量 24-8 建立選取迭代資料的函數 24-9 計算損失值函數 24-10 計算準確率函數 24-11 關於Tensorflow 的權重檔 24-12 儲存PB 檔案的函數 24-13 設定超參數 24-14 建立訓練架構 24-15 訓練集的亂數排列(shuffle) 24-16 開始訓練與訓練結果 24-17 加深模型 24-18 加深模型的訓練結果 24-19 儲存準確率最高的PB 檔案 24-20 遷移學習(transfer learning) 24-21 儲存訓練的結果 24-22 模型可視化( 使用Netron) 24-23 使用PB 檔進行推論 24-24 找出驗證集分類錯誤的圖片 24-25 練習: 使用Fashion_mnist 資料集 24-26 練習: 使用Cifar10 資料集 CH25　口罩判斷模型之資料集的準備 25-1 前言 25-2 決定分類模型的類別數量 25-3 製作有戴口罩的圖片 25-4 口罩圖片的選擇 25-5 口罩圖片的解析 25-6 偵測圖片的嘴巴區域( 使用Dlib) 25-7 安裝Dlib 25-8 使用Dlib 找到人臉 25-9 嘴部區域與口罩的結合 25-10 製作訓練集與驗證集 25-11 有趣的AI 應用 CH26　口罩判斷模型之訓練 26-1 匯入套件 26-2 訓練集與驗證集的資料安排 26-3 讀取訓練集路徑 26-4 讀取驗證集路徑 26-5 讀取口罩集路徑 26-6 建立偵測嘴部區域的函數 26-7 建立嘴部區域與口罩結合的函數 26-8 建立訓練集的迭代資料函數 26-9 建立驗證集的迭代資料函數 26-10 建立計算圖 26-11 模型架構的差異說明 26-12 訓練結果 26-13 結果圖形化 CH27　影像串流與口罩判斷 27-1 前言 27-2 影像串流 27-3 影像串流結合口罩判斷 27-4 執行結果 CH28　安裝套件的步驟說明 28-1 使用Colab 28-2 使用Jupyter