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

從赫德到米德：邁向溝通共同體的德國古典語言哲學思路 (1版)

類似書籍推薦給您

【簡介】 以德國古典語言哲學傳統作為研究的對象，涵蓋從18世紀末探討語言起源論的赫德（J. G. Herder），到20世紀初為社會心理學建立符號互動論基礎的米德（G. H. Mead） 語言的作用將不再局限於標指事物與傳遞訊息，而在於更深層地開顯世界與協調行動 思維也將不再離開語言，而得以將一種先於語言邏各斯存在的先驗主體 歷史―社會脈絡化地落實在一種，交互主體性的溝通共同體中 林遠澤在本書《從赫德到米德：邁向溝通共同體的德國古典語言哲學思路》，一方面從「歷史比較語言學」的路線（第一至三章），論述從赫德（Herder）到洪堡特（Humboldt）的德國古典語言哲學，如何在亞里斯多德的語言工具觀之外，為語言的語意學研究增加一種具世界開顯性作用的存有學向度；另一方面則從「語言心理學」的路線（第四至六章），闡釋從馮特（Wundt）到米德（Mead）的後續發展，如何在語言表象的作用外，為語言的語用學研究增加一種具行動規範性作用的溝通實踐向度。透過這兩方面的研究，一方面可以使我們不再僅將語言的作用局限在標指事物與傳遞訊息，而是在於更深層地開顯世界與協調行動；另一方面，這個研究也使我們確定思維不能離開語言，從而得以將一種先於語言邏各斯存在的先驗主體，歷史－社會脈絡化地落實在一種交互主體性的溝通共同體中。惟當如此，哲學之語言學轉向的重要性與必要性，方得以在本書中得到真正的說明。 《從赫德到米德》借鏡《從康德到黑格爾》的提法，闡釋《從赫德到米德》的德國古典語言哲學如何相對於先驗觀念論的意識哲學進路，推動哲學轉向去思考在語言學模式中的溝通共同體理念。本書劃分六章與一個附錄，主要分成兩個部分。第一部分（I）包含前三章，在赫德與哈曼關於語言起源論的爭議中，一種不同於亞里士多德語言工具觀的語言哲學觀點如何產生出來。以及這種觀點如何影響了洪堡特，以至於他會主張作為建構思想的器官，語言不應是成品而是活動。洪堡特最後透過語言的交談結構，解釋在語言世界觀之意義多元主義下，吾人的世界理解如何具有客觀性，這開創了語用學之溝通向度的討論。包括第四至六章的第二部分（II），探討德國古典語言哲學在20世紀初期的發展過程。它始於馮特的研究，因為在青年語法學派將歷史比較語言學轉向語言心理學的研究之後，馮特首先針對語音之語意表達的普遍可理解性問題，深入研究了人類的語言如何能從動物的身體姿態表達，轉化成以表意符號進行溝通互動。 【目錄】 哲學中「語言轉向」的別支──序林遠澤《從赫德到米德》╱關子尹 作者序 導論 一、亞里士多德傳統語言工具觀的形成 二、語言分析哲學的傳統語言哲學局限 （一）亞里士多德《形上學》的存有論詮釋學預設 （二）亞里士多德《修辭學》的溝通行動理論轉向 三、哲學在德國古典語言哲學中的轉向 （一）語言的世界開顯性與語意學向度的擴展 （二）語言的規範性建制與語用學向度的補充 （三）邁向溝通共同體的德國古典語言學思路 I　從赫德到洪堡特：歷史比較語言學與語言的世界開顯性 第一章　赫德語言起源論的存有論詮釋學解讀 一、從語言起源論看語言哲學的音義背離現象 （一）蘇斯米希的「語言上帝起源論」與語音之情感表達功能的背離 （二）孔狄亞克的「語言動物起源論」與語意之符號溝通功能的背離 二、赫德「語言人類起源論」的「以音構義」理論 （一）赫德的語言批判進路 （二）以音構義的命名活動 1. 聽覺的存有論優先性 2. 準先驗性的語言與去先驗化的理性之同構 3. 語言的世界開顯性及其人類學的奠基 三、赫德語言起源論的理論限度 第二章　哈曼論純粹理性批判的語文學後設批判 一、哈曼對於康德先驗哲學的後設批判 二、哈曼與啟蒙時期的語言哲學問題 三、哈曼的赫德批判與先驗語言學的構想 （一）哈曼對於語言的上帝起源論的重構 （二）哈曼對於語言的人類起源論的批判 1. 語言之創造與應用能力的區分 2. 人類的社群性與語言相互理解的可能性基礎 3. 啟示與傳統的先驗語言學優位性 四、哈曼的語文學言說主義之意義與局限 （一）哈曼的語文學言說主義之意義 （二）哈曼的語文學言說主義之局限 第三章　洪堡特論語言的世界開顯性與理性的對話性 一、洪堡特語言研究的時代背景及其著作計畫 二、洪堡特論語言的本質與語言的世界開顯性 （一）亞里士多德―萊布尼茲傳統的語言工具觀 （二）赫德語言起源論的啟發 （三）魏斯格博對於語言之世界開顯性的解讀 三、語言世界觀的相對性與洪堡特的非同一性意義理解理論 （一）布朗對於語言相對性主張的分析 （二）博許對於語言相對性解讀的批判 （三）洪堡特的非同一性意義理解理論 四、洪堡特論理性的對話性與言說的語用學向度 （一）語言的社群性基礎 （二）語言交談的原型與理性的對話性結構 （三）洪堡特語言觀的語用學向度及其限制 五、洪堡特語言哲學的哲學史意義 II　從馮特到米德：語言心理學與語言的行動規範建制 第四章　馮特的語言身體姿態起源論與民族心理學理念 一、從洪堡特到馮特：史坦塔爾的語言心理學創建 （一）文法學與邏輯學的區分 （二）內在語言形式的語言心理學闡釋 二、馮特的表達運動理論 （一）馮特的「生理心理學」構想 （二）表達運動理論的歷史溯源：面相學與戲劇學 （三）表達運動的系統重構 三、馮特的手勢語言理論 （一）手勢語的構詞學 （二）手勢語的句法學 （三）手勢語與意義的身體姿態構成論 1. 指示手勢的意向性意指作用 2. 表現手勢的想像力形構作用 3. 象徵手勢的概念感性化轉移作用 四、聲音姿態與語音語言 （一）聲音語言形成的發生學闡釋 （二）對語言起源論之語音中心主義的批判 （三）當代語伴手勢研究的復興與啟發 五、民族心理學與文化科學的語言學奠基 （一）民族心理學的理念與系統 （二）民族精神與共通感的建構 （三）未竟的文化科學之語言學奠基 第五章　卡西勒符號形式哲學的文化哲學建構 一、卡西勒與新康德主義的哲學構想 （一）新康德主義的理論遺產 （二）作為自由哲學的先驗哲學 二、卡西勒論批判的文化哲學 （一）先驗哲學的符號學轉向 1. 符號學的知識論 2. 從康德到洪堡特的轉向 （二）符號形式的文化哲學推證 1. 符號功能的文法學 2. 語言、神話與符號形式的文化哲學推證 （三）符號形式哲學的理論意義與困境 三、卡西勒論形上學的文化哲學 （一）達弗斯之爭的影響 1. 海德格基於此在形上學的批判 2. 卡西勒基於人文主義奠基的回應 （二）文化哲學的知覺現象學重構 1. 從符號形著性到生命的基本現象 2. 知覺現象學與文化科學的邏輯重構 （三）形上學的文化哲學的理論意義與困境 第六章　米德社會心理學的溝通行動理論重構 一、米德的早期思想發展與理論雛形 （一）美國實用主義與德國古典語言哲學的綜合 （二）米德社會心理學的理論雛形 （三）米德詮釋的重新出發 二、米德的社會心理學體系及其哲學涵義 （一）從姿態會話到語言溝通 1. 姿態會話與意義的邏輯結構 2. 表意符號與思想活動 （二）從自我意識到角色認同 1. 語言溝通與自我意識的建立 2. 遊戲、競賽與社會自我的建立 3. 主我、客我與理性自我的建立 4. 米德未完成的溝通理論 三、米德的理論缺失批判與溝通理論的重構 （一）圖根哈特對於內在主體性缺失的批判 （二）哈伯瑪斯的溝通理論重構 附錄　德國古典語言哲學的漢語研究 一、從洪堡特的語言哲學傳統論在漢語中的漢字思維 二、洪堡特語言學的漢語難題 （一）洪堡特論語言與思想的關係 （二）洪堡特的語言類型學區分 （三）洪堡特漢語研究的難題 三、洪堡特文字學的漢字難題 （一）洪堡特語言學的文字學轉向 （二）洪堡特的文字類型學區分 （三）洪堡特漢字研究的難題 四、在漢語中的漢字思維 （一）恩德利希爾的六書詮釋 （二）史坦塔爾論漢字的哲學 （三）馮特論手勢語言與漢字 引用書目 本書內容原始出處說明

投資心智：邁向財務自由的十二則練習，風靡全美的人生增值術 (1版)

類似書籍推薦給您

【簡介】 投資法則第一條：不要賠錢！ 投資法則第二條：絕對不要違反投資法則第一條！★風靡全美的個人理財Podcast「InvestED」完整實體化 ★《紐約時報》、Amazon網路書店排行榜暢銷書 ★從頭開始的最佳投資入門，適合每一位努力追求富足生活的你我透過輕鬆的對話與理財達人父親的指導，投資新手丹妮爾與父親共同進行了12則的基礎理財練習，學習華倫‧巴菲特（Warren Buffett）與查理‧孟格（Charlie Munger）兩位投資界傳奇人物的價值投資法則。丹妮爾討厭複雜的數學與難懂的金融模型，因此她在《投資心智》中化繁為簡，讓投資的世界變得簡單、直接又平易近人，幫助自己建立信心與擬定專屬的財務自由計畫。藉由學習投資，丹妮爾除了獲得財經知識之外，也學會如何控制情緒、克服對未知的恐懼與不安，進而改善了自己原本一團亂的生活，打造煥然一新的富足人生。關於投資，其實…… ◆重點並不是用錢冒險，而是確保自己不虧錢，包括被通貨膨脹所「虧」掉的部分。 ◆不需要存到巨額的資金才能開始，涓滴細流也能匯聚成河海。 ◆越早開始，就越能受惠於「複利」的效果，未來的你將會感謝此刻下定決心的自己。 ◆財務自由不是目的，而是工具，用來達成安穩的生活，追求自己想要的人生。一步一步來，投資並不可怕： ◆第一步：了解投資的意義，抹除對投資的偏見，克服對投資的恐懼。 ◆第二步：清楚自己的能力所及，在能力範圍內開始涉獵相關資訊。 ◆第三步：找一間自己喜歡的公司，了解它的故事、經營狀況、未來發展。 ◆第四步：當你已經做好準備，實際上線小試身手吧！ ◆第五步：持續關注相關資訊，也別忘了在完成每個階段後，為自己慶賀一下。本書特色 ★循序漸進、平地而起，從建立正確的觀念開始，一步一步厚實投資基礎。 ★沒有複雜的數學與公式，只需要加減乘除，就能朝財務自由之路邁進。 ★利用輕鬆的對話方式呈現，無形中將投資知識內化為心中的觀念與行為準則。 【目錄】 推薦序／IG「好好理財」主編──Marra 在我們開始之前 前言：如何使用這本書1月──學會勇敢 ◆本月待辦： 華倫．巴菲特與價值投資／投資第一定律／通貨膨脹／我的投資計畫 ◆1月的練習2月──認識你的數值 ◆本月待辦： 股市入門課／棄權的口味／計算我的數值／股市之外的投資選項／MARO──真心感激 ◆2月的練習3月──用我的錢票選使命 ◆本月待辦： 打造我的投資辦公室／企業入門課／尋找使命／一家公司的故事 ◆3月的練習4月──價值投資的第一原則 ◆本月待辦： 事件／了解一間公司／能力圈與三圓習題／大師／投資密集訓練 ◆4月的練習5月──查理的護城河與企業經營 ◆本月待辦： 護城河／四大數值與成長率／偏差成長率／企業經營／查理的前三大原則核對清單 ◆5月的練習6月──和能力周旋 ◆本月待辦： 願望清單／夢幻投資／證券戶基礎班／家族金錢觀 ◆6月的練習7月──查理的第四原則：價格 ◆本月待辦： 用全公司數值定價／十資定價法／業主盈餘／投資回報期定價法／自由現金流公式／偏差成長率 ◆7月的練習8月──查理的第四原則：估價 ◆本月待辦： 安全邊際估價法 ◆8月的練習9月──翻轉故事 ◆本月待辦： 昂貴的錯誤清單／寫故事／翻轉故事／練習買股票 ◆9月的練習10月──編組抗跌投資組合 ◆本月待辦： 打造抗跌投資組合／寫下願望清單買入計畫／份額／準備在事件發生時管理情緒 ◆10月的練習11月──何時脫手？ ◆本月待辦： 計算降低基本額／判定脫手時機 ◆11月的練習12月──感激的生活 ◆本月待辦： 投資實踐清單／MARO──真心感激 ◆12月的練習結語 後記 投資實踐計畫實用資源 附錄 致謝