人工智能应用开发

第1章　人工智能应用开发概述 001
1.1　人工智能技术的发展 002
1.2　新一代人工智能技术体系 003
1.3　人工智能技术的应用 004
1.3.1　大数据应用 005
1.3.2　机器视觉 005
1.3.3　语音处理 005
1.3.4　自然语言处理 006
1.4　嵌入式人工智能 007
1.5　人工智能对社会的影响 007

第2章　智能车平台 009
2.1　智能车硬件组成 010
2.1.1　嵌入式树莓派微型电脑 011
2.1.2　直流电机及控制 013
2.1.3　超声波测距 014
2.1.4　红外避障模块 016
2.1.5　循迹模块 017
2.1.6　摄像头 018
2.1.7　语音处理设备 018
2.2　智能车应用开发入门 019
2.2.1　树莓派开发环境 019
2.2.2　基于Python的智能车控制 022
2.2.3　基于C/C 的智能车控制 025

第3章　人工智能应用开发框架 029
3.1　TensorFlow开发环境介绍 030
3.2　TensorFlow开发环境搭建 030
3.2.1　在树莓派上安装TensorFlow 031
3.2.2　在Ubuntu上安装TensorFlow 031
3.3　TensorFlow编程 037
3.3.1　TensorFlow的编程模型 038
3.3.2　TensorFlow的神经网络模型 040
3.3.3　卷积神经网络及应用 046
3.3.4　TensorFlow的高层封装 054

第4章　机器视觉应用开发 060
4.1　OpenCV开源视觉库编程 061
4.1.1　OpenCV开发环境的搭建 062
4.1.2　实践项目 068
4.2　基于Dlib库的人脸识别 077
4.2.1　Dlib库的安装 077
4.2.2　实践项目 078
4.3　基于YOLO V3的实时目标检测 092
4.3.1　深度学习和YOLO V3简介 093
4.3.2　训练自己的数据集 093

第5章　语音识别应用开发 111
5.1 语音识别应用框架 112
5.1.1 语音识别常用算法 113
5.1.2 语音识别设备 117
5.1.3 本地语音识别与云端语音识别 118
5.2 基于Sphinx的本地语音识别 119
5.2.1 Sphinx软件包的安装 119
5.2.2 语料库的训练 121
5.2.3 声卡安装使用 123
5.2.4 源码示例 127
5.3 基于科大讯飞的语音识别 134
5.3.1 科大讯飞的语音识别框架及产品分类 134
5.3.2 用科大讯飞API实现本地语音文件识别 135
5.3.3 用科大讯飞实现离线语音识别 138
5.4 基于百度智能云的语音识别 142
5.4.1 基于百度云平台的语音识别方案 142
5.4.2 百度云语音识别的系统设计 142
5.4.3 百度云语音识别算法调用 144
5.4.4 云语音算法模型的训练 145
5.4.5 云语音应用 146
5.5 应用实例——智能车的语音控制 150
5.5.1 语音识别应用框架系统分析 150
5.5.2 机客户端功能及模块化分 151
5.5.3 树莓派智能车服务端功能及模块划分 152
5.5.4 TCP传输协议 153
5.5.5 语音识别应用开发环境的搭建 156
5.5.6 语音识别应用开发实例 180

第6章　基于脑机接口的智能车控制 184
6.1 脑机接口简介 185
6.1.1 脑机接口的用途 185
6.1.2 脑机接口的原理 186
6.2 脑机接口硬件设计 187
6.2.1 信号采集 188
6.2.2 信号传输与处理 189
6.3 基于脑机接口的智能车控制 192
6.4 脑机接口应用拓展 199

参考文献 200