AI視覺:最強入門邁向頂尖高手 王者歸來 (1版)
類似書籍推薦給您
【簡介】
AI視覺
最強入門邁向頂尖高手
王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書!五大最強亮點
?1. AI 影像技術全解析,從入門到頂尖高手
?2. 影像不只是影像,讓 AI 賦予它智慧與靈魂
?3. 數學、演算法、函數與Python程式,三大學習核心,建立的AI影像專案
?4. AI 影像應用無極限,打造你的專屬智慧影像系統
?5. 最完整 AI 視覺學習資源,帶你進入與設計 AI 影像時代◎ AI視覺最強入門,從新手到頂尖高手!
在 AI 影像技術的浪潮下,你是否曾想過,如何讓影像處理不只是單純的圖像變換,而是賦予它智慧,讓程式「看見」並理解世界?本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始,一步步掌握 AI 視覺的核心技術,讓你的影像程式不再只是空洞的代碼,而是充滿靈魂與創意的智慧應用!◎ 這本書,適合誰?
★ Python & AI 初學者:從影像基礎開始,循序漸進學習。
★ 影像處理 & OpenCV 愛好者:探索影像創意與高級應用。
★ 開發者 & 工程師:打造 AI 監控、人臉識別、物件追蹤專案。
★ 學生 & 研究人員:數學 + 演算法 + OpenCV,全方位掌握 AI 視覺技術。◎ AI 影像技術,從基礎到進階
★ 影像處理基礎:影像讀取、色彩空間(BGR、RGB、HSV)、影像儲存與計算。
★ 影像創意與特效:數位浮水印、動態影像(GIF、MP4)、藝術畫作設計。
★ 影像增強與變換:圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。
★ AI 影像識別應用:手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。
★ AI 監控與自動追蹤:動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書?
★ 獨家「三步驟」學習法:
★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作,讓你學得深入又靈活應用!
★ 從基礎到高階 AI 視覺應用,完整解構影像處理技術!
★ 結合 OpenCV x MediaPipe x Python,打造創新影像應用專案!◎ AI 影像技術,開啟無限可能!
影像處理與 AI 的結合,正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛,AI 視覺技術都是未來不可或缺的核心技能。現在,就是你踏入這個領域的最佳時機!☆立即入手《AI視覺最強入門邁向頂尖高手》,解鎖影像處理的無限可能,讓你的程式擁有真正的智慧與創意!☆
【目錄】
第1章 影像的讀取、顯示與儲存
1-0 建議閱讀書籍
1-1 程式導入OpenCV 模組
1-1-1 安裝主要模組
1-1-2 擴展模組安裝
1-1-3 導入模組
1-1-4 OpenCV 版本
1-2 讀取影像檔案
1-2-1 影像讀取imread( ) 的語法
1-2-2 可讀取的影像格式
1-3 顯示影像與關閉影像視窗
1-3-1 使用OpenCV 顯示影像
1-3-2 關閉OpenCV 視窗
1-3-3 等待按鍵的事件
1-3-4 建立OpenCV 影像視窗
1-4 儲存影像第2章 認識影像表示方法
2-1 位元影像表示法
2-2 GRAY 色彩空間
2-3 RGB 色彩空間
2-3-1 由色彩得知RGB 通道值
2-3-2 使用RGB 通道值獲得色彩區塊
2-3-3 RGB 彩色像素的表示法
2-4 BGR 色彩空間
2-5 獲得影像的屬性
2-6 像素的BGR 值
2-6-1 讀取特定灰階影像像素座標的BGR 值
2-6-2 讀取特定彩色影像像素座標的BGR 值
2-6-3 修改特定影像像素座標的BGR 值第3章 學習OpenCV 需要的Numpy 知識
3-1 陣列ndarray
3-2 Numpy 的資料型態
3-3 建立一維或多維陣列
3-3-1 認識ndarray 的屬性
3-3-2 使用array( ) 建立一維陣列
3-3-3 使用array( ) 函數建立多維陣列
3-3-4 使用zeros( ) 建立內容是0 的多維陣列
3-3-5 使用ones( ) 建立內容是1 的多維陣列
3-3-6 使用empty( ) 建立未初始化的多維陣列
3-3-7 使用random.randint( ) 建立隨機數內容的多維陣列
3-3-8 使用arange( ) 函數建立陣列數據
3-3-9 使用reshape( ) 函數更改陣列形式
3-4 一維陣列的運算與切片
3-4-1 一維陣列的四則運算
3-4-2 一維陣列的關係運算子運算
3-4-3 陣列切片
3-4-4 使用參數copy=True 複製數據
3-4-5 使用copy( ) 函數複製陣列
3-5 多維陣列的索引與切片
3-5-1 認識axis 的定義
3-5-2 多維陣列的索引
3-5-3 多維陣列的切片
3-6 陣列水平與垂直合併
3-6-1 陣列垂直合併vstack( )
3-6-2 陣列水平合併hstack( )第4章 認識色彩空間到藝術創作
4-1 BGR 與RGB 色彩空間的轉換
4-2 BGR 色彩空間轉換至GRAY 色彩空間
4-2-1 使用cvtColor( ) 函數
4-2-2 OpenCV 內部轉換公式
4-3 HSV 色彩空間
4-3-1 認識HSV 色彩空間
4-3-2 將影像由BGR 色彩空間轉為HSV 色彩空間
4-3-3 將RGB 色彩轉換成HSV 色彩公式
4-4 拆分色彩通道
4-4-1 拆分BGR 影像的通道
4-4-2 拆分HSV 影像的通道
4-5 合併色彩通道
4-5-1 合併B、G、R 通道的影像
4-5-2 合併H、S、V 通道的影像
4-6 拆分與合併色彩通道的應用
4-6-1 色調Hue 調整
4-6-2 飽和度Saturation 調整
4-6-3 明度Value 調整
4-7 alpha 通道第5章 妙手空空建立影像
5-1 影像座標
5-2 建立與編輯灰階影像
5-2-1 建立灰階影像
5-2-2 編輯灰階影像
5-2-3 使用隨機數建立灰階影像
5-3 建立彩色影像第6章 影像處理的基礎知識
6-1 灰階影像的編輯
6-1-1 自創灰階影像與編輯的基礎實例
6-1-2 讀取灰階影像與編輯的實例
6-2 彩色影像的編輯
6-2-1 了解彩色影像陣列的結構
6-2-2 自創彩色影像與編輯的實例
6-2-3 讀取彩色影像與編輯的實例
6-3 編輯含alpha 通道的彩色影像
6-4 影像感興趣區域的編輯
6-4-1 擷取影像感興趣區塊
6-4-2 建立影像馬賽克效果
6-4-3 感興趣區塊在不同影像間移植
6-5 負片影像處理
6-5-1 負片的基本概念與應用
6-5-2 負片應用在灰階影像
6-5-3 負片應用在彩色影像
6-5-4 ROI 負片處理第7章 從靜態到動態的繪圖功能
7-1 建立畫布
7-2 繪製直線
7-3 畫布背景色彩的設計
7-3-1 單區塊的底部色彩
7-3-2 建立含底色圖案的畫布
7-3-3 漸層色背景設計
7-4 繪製矩形
7-5 繪製圓
7-5-1 繪製圓的基礎知識
7-5-2 隨機色彩的應用
7-6 繪製橢圓或橢圓弧度
7-7 繪製多邊形
7-8 輸出文字
7-8-1 預設英文字輸出
7-8-2 中文字輸出
7-9 反彈球的設計
7-10 滑鼠事件
7-10-1 OnMouseAction( )
7-10-2 setMouseCallback( )
7-10-3 建立隨機圓
7-10-4 滑鼠與鍵盤的混合應用
7-11 滾動條的設計
7-12 滾動條當作開關的應用第8章 影像計算邁向影像創作
8-1 影像加法運算
8-1-1 使用add( ) 函數執行影像加法運算
8-1-2 使用數學加法 + 符號執行影像加法運算
8-1-3 加總B、G、R 原色的實例
8-2 遮罩mask
8-2-1 遮罩的基本概念
8-2-2 遮罩的應用場景
8-3 重複曝光技術
8-3-1 影像的加權和觀念
8-3-2 OpenCV 的影像加權和方法
8-4 影像的位元運算
8-4-1 邏輯的and 運算
8-4-2 邏輯的or 運算
8-4-3 邏輯的not 運算
8-4-4 邏輯的xor 運算
8-5 影像加密與解密
8-6 動態影像GIF 設計
8-6-1 移動遮罩的設計與應用
8-6-2 保存為 GIF 動畫
8-7 設計MP4 影片檔案
8-7-1 MP4 檔案設計步驟
8-7-2 MP4 影片實作第9章 閾值處理邁向數位情報
9-1 threshold( ) 函數
9-1-1 基礎語法
9-1-2 二值化處理THRESH_BINARY 與現代情報戰
9-1-3 反二值化處理THRESH_BINARY_INV
9-1-4 截斷閾值處理THRESH_TRUNC
9-1-5 低閾值用0 處理THRESH_TOZERO
9-1-6 高閾值用0 處理THRESH_TOZERO_INV
9-2 Otsu 演算法
9-3 自適應閾值方法adaptiveThreshold( ) 函數
9-4 平面圖的分解
9-5 隱藏在影像內的數位浮水印
9-5-1 驗證最低有效位元對影像沒有太大的影響
9-5-2 建立數位浮水印
9-5-3 取得原始影像的row 和column
9-5-4 建立像素值是254 的提取矩陣
9-5-5 取得原始影像的高7 位影像
9-5-6 建立浮水印影像
9-5-7 將浮水印影像嵌入原始影像
9-5-8 擷取浮水印影像
9-6 動態展示影像處理過程第10章 影像的幾何變換
10-1 認識幾何變換
10-2 影像縮放效果
10-2-1 使用dsize 參數執行影像縮放
10-2-2 使用fx 和fy 執行影像的縮放
10-3 影像翻轉
10-4 影像仿射
10-4-1 仿射的數學基礎
10-4-2 仿射的函數語法
10-4-3 影像平移
10-4-4 影像旋轉
10-4-5 影像傾斜
10-5 影像透視
10-6 重映射
10-6-1 解說map1 和map2
10-6-2 影像複製
10-6-3 垂直翻轉
10-6-4 水平翻轉的實例
10-6-5 影像縮放
10-6-6 影像垂直壓縮
10-7 重映射創意應用 - 波浪效果
10-7-1 波浪效果
10-7-2 設計波浪動畫第11章 影像除噪與平滑技術
11-1 建立平滑影像需認識的名詞
11-1-1 濾波核
11-1-2 影像噪音
11-1-3 刪除噪音
11-2 均值濾波器
11-2-1 理論基礎
11-2-2 像素位於邊界的考量
11-2-3 濾波核與卷積
11-2-4 均值濾波器函數
11-3 方框濾波器
11-3-1 理論基礎
11-3-2 方框濾波器函數
11-4 中值濾波器
11-4-1 理論基礎
11-4-2 中值濾波器函數
11-5 高斯濾波器
11-5-1 理論基礎
11-5-2 高斯濾波器函數
11-6 雙邊濾波器
11-6-1 理論基礎
11-6-2 雙邊濾波器函數
11-7 2D 濾波核
11-8 創意應用 – 圖像油畫效果模擬第12章 數學形態學
12-1 腐蝕(Erosion)
12-1-1 理論基礎
12-1-2 腐蝕函數
12-2 膨脹(Dilation)
12-2-1 理論基礎
12-2-2 膨脹函數dilate( )
12-3 OpenCV 應用在數學形態學的通用函數
12-4 開運算(Opening)
12-4-1 開運算於AI 視覺場景的應用
12-4-2 開運算的程式應用
12-5 閉運算(Closing)
12-5-1 閉運算與開運算功能差異
12-5-2 閉運算在 AI 視覺中的應用場景
12-5-3 閉運算的程式應用
12-6 形態學梯度(Morphological gradient)
12-6-1 形態學梯度的作用與影響
12-6-2 形態學梯度在 AI 視覺中的場景應用
12-6-3 閉運算的程式應用
12-7 禮帽運算(tophat)
12-7-1 禮帽運算的特色與影響
12-7-2 禮帽運算在 AI 視覺中的場景應用
12-7-3 禮帽運算的程式應用
12-8 黑帽運算(blackhat)
12-8-1 黑帽運算的特色與影響
12-8-2 黑帽運算在 AI 視覺中的場景應用
12-8-3 黑帽運算的程式應用
12-9 核函數第13章 影像梯度與邊緣偵測
13-1 影像梯度的基礎觀念
13-1-1 直覺方法認識影像邊界
13-1-2 認識影像梯度
13-1-3 機器視覺
13-2 OpenCV 函數Sobel( )
13-2-1 Sobel 運算子
13-2-2 使用Sobel 運算子計算x 軸方向影像梯度
13-2-3 使用Sobel 運算子計算y 軸方向影像梯度
13-2-4 Sobel( ) 函數
13-2-5 考量ddepth 與取絕對值函數convertScaleAbs( )
13-2-6 x 軸方向的影像梯度
13-2-7 y 軸方向的影像梯度
13-2-8 x 軸和y 軸影像梯度的融合
13-3 OpenCV 函數Scharr( )
13-3-1 Scharr 算子
13-3-2 Scharr( ) 函數
13-4 OpenCV 函數Laplacian( )
13-4-1 二階微分
13-4-2 Laplacian 運算子
13-4-3 Laplacian( ) 函數
13-5 Canny 邊緣檢測
13-5-1 認識Canny 邊緣檢測
13-5-2 Canny 演算法的步驟
13-5-3 Canny( ) 函數
13-6 灰階圖像在邊緣檢測中的優勢第14章 影像金字塔
14-1 影像金字塔的原理
14-1-1 認識層次(level) 名詞
14-1-2 基礎理論
14-1-3 濾波器與採樣
14-1-4 高斯濾波器與向下採樣
14-1-5 向上採樣
14-1-6 影像失真
14-2 OpenCV 的pyrDown( ) 函數
14-3 OpenCV 的pyrUp( ) 函數
14-4 採樣逆運算的實驗
14-4-1 影像相加與相減
14-4-2 反向運算的結果觀察
14-5 拉普拉斯金字塔(Laplacian Pyramid, LP)
14-6 影像金字塔的應用與老照片修復實作
14-6-1 影像金字塔的應用
14-6-2 修復老舊照片原理解釋
14-6-3 實作老照片修復第15章 輪廓的檢測與匹配
15-1 影像內圖形的輪廓
15-1-1 找尋圖形輪廓findContours( )
15-1-2 繪製圖形的輪廓
15-2 繪製影像內圖形輪廓的系列實例
15-2-1 找尋與繪製影像內圖形輪廓的基本應用
15-2-2 認識findCountours( ) 函數的回傳值contours
15-2-3 輪廓索引contoursIdx
15-2-4 輪廓的外形與特徵提取
15-2-5 輪廓內有輪廓
15-2-6 繪製一般影像的圖形輪廓
15-2-7 輪廓動畫
15-3 輪廓層級Hierarchy
15-3-1 輪廓層級的基本觀念
15-3-2 檢測模式RETR_EXTERNAL
15-3-3 檢測模式RETR_LIST
15-3-4 檢測模式RETR_CCOMP
15-3-5 檢測模式RETR_TREE
15-3-6 輪廓層級的創意場景
15-4 輪廓的特徵 – 影像矩(Image moments)
15-4-1 矩特徵moments( ) 函數
15-4-2 基礎影像矩推導 – 輪廓質心
15-4-3 影像矩實例
15-4-4 計算輪廓面積
15-4-5 計算輪廓周長
15-5 輪廓外形的匹配 – Hu 矩
15-5-1 OpenCV 計算Hu 矩的函數
15-5-2 第0 個Hu 矩的公式驗證
15-5-3 輪廓匹配
15-6 再談輪廓外形匹配
15-6-1 建立形狀場景距離
15-6-2 Hausdorff 距離第16章 輪廓擬合與凸包的相關應用
16-1 輪廓的擬合
16-1-1 矩形包圍
16-1-2 最小包圍矩形
16-1-3 最小包圍圓形
16-1-4 最優擬合橢圓
16-1-5 最小包圍三角形
16-1-6 近似多邊形
16-1-7 最優擬合直線
16-2 凸包
16-2-1 獲得凸包
16-2-2 凸缺陷
16-3 輪廓的幾何測試
16-3-1 測試輪廓包圍線是否凸形
16-3-2 計算任意座標點與輪廓包圍線的最短距離
16-4 創意應用第17章 輪廓的特徵
17-1 寬高比(Aspect Ratio)
17-2 輪廓的極點
17-2-1 認識輪廓點座標
17-2-2 Numpy 模組的argmax( ) 和argmin( ) 函數
17-2-3 找出輪廓極點座標
17-3 Extent
17-4 Solidity
17-5 等效直徑(Equivalent Diameter)
17-6 遮罩和非0 像素點的座標訊息
17-6-1 使用Numpy 的陣列模擬獲得非0 像素點座標訊息
17-6-2 獲得空心與實心非0 像素點座標訊息
17-6-3 使用OpenCV 函數獲得非0 像素點座標訊息
17-7 找尋影像物件最小值與最大值與他們的座標
17-7-1 從陣列找最大值與最小值和他們的座標
17-7-2 影像實作與醫學應用說明
17-8 計算影像的像素的均值與標準差
17-8-1 計算影像的像素均值
17-8-2 影像的像素均值簡單實例
17-8-3 使用遮罩觀念計算像素均值
17-8-4 計算影像的像素標準差
17-9 方向
17-10 輪廓動態創意設計
17-10-1 圓形輪廓動畫
17-10-2 不規則外形的外框收縮
17-10-3 動畫標記像素點第18章 自動駕駛車道檢測
18-1 霍夫變換的基礎原理解說
18-1-1 認識笛卡兒座標與霍夫座標
18-1-2 映射
18-1-3 認識極座標的基本定義
18-1-4 霍夫變換與極座標
18-2 HoughLines( ) 函數
18-3 HoughLinesP( ) 函數
18-4 霍夫圓環變換檢測
18-5 高速公路車道檢測
18-5-1 高速公路車道檢測
18-5-2 優化版的車道檢測 - 均值左右車道線第19章 直方圖均衡化 - 增強影像對比度
19-1 認識直方圖
19-1-1 認識直方圖
19-1-2 正規化直方圖
19-2 繪製直方圖
19-2-1 使用matplotlib 繪製直方圖
19-2-2 使用OpenCV 取得直方圖數據
19-2-3 繪製彩色影像的直方圖
19-2-4 繪製遮罩的直方圖
19-3 直方圖均衡化
19-3-1 直方圖均衡化演算法
19-3-2 直方圖均衡化equalizeHist( )
19-3-3 直方圖均衡化應用在彩色影像
19-4 限制自適應直方圖均衡化方法
19-4-1 直方圖均衡化的優缺點
19-4-2 直方圖均衡化的缺點實例
19-4-3 自適應直方圖函數createCLAHE( ) 和apply( ) 函數
19-5 區域化直方圖增強技術第20章 模板匹配Template Matching
20-1 模板匹配的基礎觀念
20-2 模板匹配函數matchTemplate( )
20-2-1 認識匹配函數matchTemplate( )
20-2-2 模板匹配結果
20-2-3 TM_SQDIFF_NORMED 模板匹配結果
20-3 單模板匹配
20-3-1 回顧minMaxLoc( ) 函數
20-3-2 單模板匹配的實例
20-3-3 找出比較接近的影像
20-3-4 多目標匹配的實例
20-3-5 在地圖搜尋山脈
20-3-6 計算距離最近的機場
20-4 多模板匹配第21章 傅立葉(Fourier) 變換
21-1 數據座標軸轉換的基礎知識
21-2 傅立葉基礎理論
21-2-1 認識傅立葉(Fourier)
21-2-2 認識弦波
21-2-3 正弦函數的時域圖與頻率域圖
21-2-4 傅立葉變換理論基礎
21-3 使用Numpy 執行傅立葉變換
21-3-1 實作傅立葉變換
21-3-2 逆傅立葉變換
21-4 訊號與濾波器
21-4-1 高頻訊號與低頻訊號
21-4-2 高通濾波器與低通濾波器
21-5 使用OpenCV 完成傅立葉變換
21-5-1 使用dft( ) 函數執行傅立葉變換
21-5-2 使用OpenCV 執行逆傅立葉運算
21-5-3 低通濾波器
21-6 低通濾波器的藝術創作第22章 影像分割使用分水嶺演算法
22-1 影像分割基礎
22-2 分水嶺演算法與OpenCV 官方推薦網頁
22-2-1 認識分水嶺演算法
22-2-2 OpenCV 官方推薦網頁
22-3 分水嶺演算法步驟1 – 認識distanceTransform( )
22-4 分水嶺演算法步驟2 – 找出未知區域
22-5 分水嶺演算法步驟3 – 建立標記
22-6 完成分水嶺演算法
22-7 分水嶺演算法專案 – 複雜圖像分割第23章 影像擷取
23-1 認識影像擷取的原理
23-2 OpenCV 的grabCut( ) 函數
23-3 grabCut( ) 基礎實作
23-4 自定義遮罩實例
23-5 影像擷取創意應用
23-5-1 更換影像背景
23-5-2 模糊背景凸顯主題第24章 影像修復- 搶救蒙娜麗莎的微笑
24-1 影像修復的演算法
24-1-1 Navier-Stroke 演算法
24-1-2 Alexander 演算法
24-1-3 Navier-Strokes 與Alexander 演算法的比較
24-2 影像修復的函數inpaint( )
24-3 修復蒙娜麗莎的微笑
24-4 局部修復圖像第25章 辨識手寫數字
25-1 認識KNN 演算法
25-1-1 數據分類的基礎觀念
25-1-2 手寫數字的特徵
25-1-3 不同數字特徵值的比較
25-1-4 手寫數字分類原理
25-1-5 簡化特徵比較
25-2 認識Numpy 與KNN 演算法相關的知識
25-2-1 Numpy 的ravel( ) 函數
25-2-2 Numpy 的flatten( ) 函數
25-2-3 數據分類
25-2-4 建立與分類30 筆訓練數據
25-3 OpenCV 的KNN 演算法函數
25-3-1 基礎實作
25-3-2 更常見的分類
25-4 有關手寫數字識別的Numpy 基礎知識
25-4-1 vsplit( ) 垂直方向分割數據
25-4-2 hsplit( ) 水平方向分割數據
25-4-3 元素重複repeat( )
25-5 識別手寫數字
25-5-1 實際設計識別手寫數字
25-5-2 儲存訓練和分類數據
25-5-3 下載訓練和分類數據第26章 OpenCV 的攝影功能
26-1 啟用攝影機功能VideoCapture 類別
26-1-1 初始化VideoCapture
26-1-2 檢測攝影功能是否開啟成功
26-1-3 讀取攝影鏡頭的影像
26-1-4 關閉攝影功能
26-1-5 讀取影像的基礎實例
26-1-6 影像翻轉
26-1-7 保存某一時刻的幀
26-2 使用VideoWriter 類別執行錄影
26-3 播放影片
26-3-1 播放所錄製的影片
26-3-2 播放iPhone 所錄製的影片
26-3-3 灰階播放影片
26-3-4 暫停與繼續播放
26-3-5 更改顯示視窗大小
26-4 認識攝影功能的屬性
26-4-1 獲得攝影功能的屬性
26-4-2 設定攝影功能的屬性
26-4-3 顯示影片播放進度
26-4-4 裁剪影片
26-5 車道辨識影片專題
26-5-1 取得車道辨識影片
26-5-2 車道辨識影片程式實作第27章 認識物件偵測原理與資源檔案
27-1 物件偵測原理
27-1-1 階層分類器原理
27-1-2 Haar 特徵緣由
27-1-3 哈爾特徵原理
27-2 找尋OpenCV 的資源檔案來源
27-3 認識資源檔案
27-4 人臉的偵測
27-4-1 臉形階層式分類器資源檔
27-4-2 基礎臉形偵測程式
27-4-3 史上最牛的物理科學家合照
27-5 偵測側面的人臉
27-5-1 基礎觀念
27-5-2 側面臉形偵測
27-6 路人偵測
27-6-1 路人偵測
27-6-2 下半身的偵測
27-6-3 上半身的偵測
27-7 眼睛的偵測
27-7-1 眼睛分類器資源檔
27-7-2 偵測雙眼實例
27-7-3 偵測左眼與右眼的實例
27-8 偵測貓臉
27-9 俄羅斯車牌辨識
27-10 AI 監控系統設計專題
27-10-1 圖像人臉標記
27-10-2 影片人臉標記
27-10-3 影片人臉標記用MP4 紀錄過程
27-10-4 AI 監控系統設計第28章 攝影機與人臉檔案
28-1 擷取相同大小的人臉存檔
28-2 使用攝影機擷取人臉影像
28-3 自動化攝影和擷取人像
28-4 半自動拍攝多張人臉的實例
28-5 全自動拍攝人臉影像第29章 人臉辨識
29-1 LBPH 人臉辨識
29-1-1 LBP(Local Binary Patterns)基本概念
29-1-2 LBPH(Local Binary Patterns Histograms)步驟
29-1-3 LBPH 用於人臉辨識的優點
29-1-4 LBPH 可能的侷限性
29-1-5 LBPH 函數解說
29-1-6 簡單的人臉辨識程式實作
29-1-7 繪製LBPH 直方圖
29-1-8 人臉識別實務 – 儲存與開啟訓練數據
29-1-9 結論
29-2 Eigenfaces 人臉辨識
29-2-1 Eigenfaces 原理思維
29-2-2 「Eigenfaces」如何表示臉部
29-2-3 優點與侷限
29-2-4 Eigenfaces 函數解說
29-2-5 簡單的人臉辨識程式實作
29-2-6 結論
29-3 Fisherfaces 人臉辨識
29-3-1 緣由與目標
29-3-2 主要步驟
29-3-3 Fisherface 與 Eigenfaces 的比較
29-3-4 Fisherfaces 函數解說
29-3-5 簡單的人臉辨識程式實作
29-3-6 總結
29-4 專題實作 - 建立員工人臉識別登入系統
29-4-1 建立與訓練人臉資料庫 – ch29_6.py
29-4-2 員工人臉識別 – ch29_7.py
29-5 專題實作 - AI 監控與人臉辨識第30章 建立哈爾特徵分類器- 車牌辨識
30-1 準備正樣本與負樣本影像資料
30-1-1 準備正樣本影像 – 含汽車車牌影像
30-1-2 準備負樣本影像 – 不含汽車車牌影像
30-2 處理正樣本影像
30-2-1 將正樣本影像處理成固定寬度與高度
30-2-2 將正樣本影像轉成bmp 檔案
30-3 處理負樣本影像
30-4 建立辨識車牌的哈爾(Haar) 特徵分類器
30-4-1 下載建立哈爾特徵分類器工具
30-4-2 儲存正樣本影像
30-4-3 儲存負樣本影像
30-4-4 為正樣本加上標記
30-4-5 設計程式顯示標記
30-5 訓練辨識車牌的哈爾特徵分類器
30-5-1 建立向量檔案
30-5-2 訓練哈爾分類器
30-5-3 建立哈爾特徵分類器資源檔
30-6 車牌偵測
30-7 心得報告第31章 車牌辨識
31-1 擷取所讀取的車牌影像
31-2 使用Tesseract OCR 執行車牌辨識
31-3 偵測車牌與辨識車牌
31-4 二值化處理車牌
31-5 形態學的開運算處理車牌
31-6 車牌辨識心得第32章 MediaPipe 手勢偵測與應用解析
32-1 MediaPipe 是什麼
32-1-1 Google 的影像處理解決方案
32-1-2 為什麼要用 MediaPipe
32-2 初探 MediaPipe Hands 模組
32-2-1 MediaPipe Hands 功能概覽
32-2-2 21 個關鍵點的座標定義與排列
32-2-3 如何判斷手勢
32-2-4 偵測手勢的原理
32-3 剪刀、石頭、布的程式設計思路
32-3-1 手指伸直判斷
32-3-2 程式流程規劃
32-3-3 與 OpenCV 的整合繪製
32-4 偵測手語繪製關節
32-4-1 初始化MediaPipe Hands 物件
32-4-2 建立Hands 物件
32-4-3 hands.process( ) 函數用法
32-4-4 mp_drawing.draw_landmarks( ) 函數用法
32-5 專題實作 - 剪刀、石頭與布附錄A OpenCV 函數、名詞與具名常數索引表
原價:
1280
售價:
1152
現省:
128元
立即查看
最強 AI 投資分析:打造自己的股市顧問機器人,股票趨勢分析×年報解讀×選股推薦×風險管理 (1版)
類似書籍推薦給您
內容介紹
▌第一本 AI 投資專書 ▌
▌大型語言模型加持!▌
▌建構自己的股票/年報分析機器人 ▌
▌讓 AI 變成股市分析的神器 ▌
在這數位資訊的創新時代, AI 與大型語言模型 LLM 已經徹底改變了投資業界的遊戲規則。過往需要仰賴投資團隊花費大量時間來解讀各種財務報表、進行分析的複雜工作, 現在只需要一個人、一台電腦就能完成。對於小散戶而言, AI 能幫助我們自動化分析, 挖掘出報表中隱藏的關鍵資訊, 成為對抗市場主力的重要武器!本書將帶您:
◆ 【建立正確的投資觀念】:還在聽股市名嘴胡扯瞎扯嗎?本書將從基礎的投資理論起手, 帶領讀者建立正確的投資觀念, 從基本面分析到技術面分析, 並進一步探討 AI 在股票投資中的定位, 助你洞悉多面向分析的重要性。
◆ 【Python 雲端環境開發】:程式開發對你來說是場夢魘嗎?本書將所有程式部署在雲端環境中, 免除本地環境配置的複雜度, 一鍵就能輕鬆運行、進入 Python 股票分析的世界。
◆ 【AI 股票趨勢分析】:在買賣股票的過程中, 一般人常常會被情緒左右投資決策, 但 AI 是沒有感情的機器。本書將詳解如何利用 AI 進行客觀的數據分析來作出更合理的投資決策, 解決人性所造成的影響。
◆ 【AI 年報深度解讀】:公司年報蘊藏著重要的資訊, 但一份年報動輒 200~300 頁, 哪有那麼多時間去一一分析每間公司的年報資料?複雜的分析過程就交給 AI 來做吧!我們可以使用提問的方式來輕鬆了解年報內容, 或是讓模型統整、分析落落長的年報資訊。
◆ 【AI 選股推薦】:股票那麼多怎麼選?要找到一檔高潛力的股票如同大海撈針!本書將介紹如何使用 AI 來進行選股推薦, 從大數據中篩選出值得關注的投資機會、提高選股效率。
本書特色
★ 本書程式皆部署於雲端平台, 不會寫程式也能一鍵執行。
☆ 投資理論來幫忙, 帶領讀者建構正確的投資觀念。
★ 詳解如何串接 OpenAI API, 讓語言模型成為分析股市的利器。
☆ 讓股票資料蒐集的過程自動化, 包含網路爬蟲、各種 Python 套件及搭建資料庫。
★ 讓 AI 自動處理 Dataframe 表格、計算技術指標、產生回測策略。
☆ 詳解 matplotlib、mplfinance、plotly、backtesting 各種視覺化套件, 新手也能畫出精緻的股價 K 線圖。
★ 打造屬於自己的 LINE/Discord 機器人, 隨時隨地取得任何股票的 AI 分析報告。
☆ 數百頁的年報沒有時間看?使用 LangChain 搭建向量資料庫, 建構年報問答/分析機器人。
★ 股票那麼多怎麼選?讓 AI 來幫忙, 根據股價趨勢、新聞面、年報資訊, 挑選出最具潛力的投資標的。
書籍目錄
▌第 1 章 投資一定要跟老師嗎?股票分析基礎
1-1 基本面分析
為什麼雞蛋不能放在同一個籃子裡?
高報酬伴隨著高風險
百鳥在林, 不如一鳥在手:到手的現金才是硬道理
高登模型 (Gordon model)
1-2 技術面分析
效率市場假說
行為財務學
1-3 AI 在股票投資中的定位
▌第 2 章 從零開始:用 OpenAI API 建構 自己的 AI 機器人
2-1 什麼是 GPT 模型?
GPT 模型原理
什麼是 OpenAI API?為什麼需要串接?
2-2 註冊 OpenAI API
查看 API 用量
免費額度用完了怎麼辦?
2-3 建構自己的 AI 機器人
使用 OpenAI API 官方套件
檢視傳回物件
設定 AI 角色
簡易的對談程式
記憶對話紀錄
加入搜尋功能
▌第 3 章 股市資料蒐集、爬蟲與搭建資料庫
3-1 分析股票時常用的資料類型
時間序列資料 (time series data)
截斷面資料 (cross-sectional data)
3-2 網頁爬蟲
用 requests 取得證交所資料
用 BeautifulSoup 取得 Yahoo 股票資料
使用 selenium 做新聞爬蟲
3-3 用 Python 套件輕鬆取得股市資料
yfinance
FinMind
FinLab
3-4 搭建自己的 SQL 資料庫
資料庫設計
搭建 SQLite 資料庫
▌第 4 章 讓 AI 計算技術指標及資料視覺化
4-1 技術指標公式太複雜?讓 AI 自動化計算
讓 AI 自動生成技術指標程式碼
資料處理自動化
4-2 資料視覺化
繪製股價圖:matplotlib
繪製 K 線圖:mplfinance
4-3 進階互動式圖表:plotly
互動式 K 線圖
4-4 建構 Dash 應用程式
運行 Dash 應用程式
程式碼詳解:Dash 應用程式
▌第 5 章 AI 技術指標回測
5-1 什麼是股票回測?
回測注意事項
5-2 強大的回測工具:backtesting.py
定義策略並產生回測結果
繪製回測圖表
加入停利、停損策略
5-3 讓 AI 產生回測策略
5-4 讓 AI 分析回測報告
單一策略分析
多個策略分析比較
▌第 6 章 股票分析機器人:部署至 LINE 及 Discord 上
6-1 建構股票分析機器人
股票分析機器人
6-2 部署 LINE 機器人
開發原理
設定 Messaging API
取得密鑰、存取令牌並加入機器人
Replit 專案:LINE 股票分析機器人
測試 LINE 股票分析機器人
程式碼詳解:LINE 機器人
6-3 部署 Discord 機器人
開發原理
建立 Discord 開發者應用程式
取得 TOKEN (授權令牌)
將 Discord 機器人加入伺服器
複製 Replit 專案:Discord 股票分析機器人
程式碼詳解:Discord 股票分析機器人
▌第 7 章 年報問答機器人
7-1 什麼是年報?
7-2 如何取得年報?
7-3 對年報作問答
7-4 年報總結與關鍵字分析
年報總結
關鍵字分析
▌第 8 章 建構投資組合:讓 AI 輔助選股
8-1 建構投資組合
AI 自動化選股機器人
8-2 AI 趨勢報告推薦系統
8-3 AI 年報分析推薦系統
▌第 9 章 資金管理與投資組合風險評估
9-1 資金管理
單次賭局
重複賭局
比例下注法
倍倍下注法有用嗎?
凱利公式 (Kelly formula)
將凱利公式運用在股票回測中
9-2 投資組合資金分配與風險管理
將凱利公式運用到投資組合配置
投資組合風險指標
9-3 讓 AI 來給出投資組合建議
複製 Replit 專案:投組分析機器人
程式碼詳解:投組分析機器人
立即查看