解密數位孿生:從製造、建築、能源到航空的智慧化應用 (1版)
類似書籍推薦給您
【簡介】
本書基於數位孿生技術,對數位孿生在各行業的應用進行了深入的解析。
概念篇:
對數位孿生的概念作了詳細解析,包括數位孿生概念的發展、核心技術、數位孿生技術價值,以及發展現狀。
應用篇:
對數位孿生在智慧製造、智慧交通、智慧城市、智慧建築、智慧能源、智慧健康、智慧國防、智慧戰爭、航太航空和元宇宙十個領域的應用進行了案例分析,案例分別來自國內外數位孿生應用的最新進展,詳細、客觀地分析了當前數位孿生在不同領域的不同應用。
未來篇:
基於對數位孿生技術發展進行了展望,包括數位孿生技術發展趨勢、標準化問題、通用性問題以及需要面對的現實挑戰,並描述了即將到來的數位孿生地球。
數位孿生代表了繼搜索和社交媒體之後的網際網路「第三波浪潮」,是一項產品全生命週期管理的顛覆性技術,不論是製造業、建築業,還是生命科學領域,都會因數位孿生技術而發生革命性的變化。
【目錄】
PART 1 概念篇
Chapter 1 新生產要素的革命
1.1 概念正演進
1.2 技術大整合
1.3 數位孿生之價值
1.4 數位孿生蔚然成風
PART 2 應用篇
Chapter 2 數位孿生 + 智慧製造
2.1 讓製造更智慧
2.2 汽車發動機裝配
2.3 智慧紡織工廠
2.4 工業網路與設備的虛擬除錯
Chapter 3 數位孿生 + 智慧交通
3.1 數位孿生成就未來交通
3.2 數位孿生天津港
3.3 川藏鐵路之「數位天路」
3.4 西安智慧交通平台
Chapter 4 數位孿生 + 智慧城市
4.1 數位城市的升級之路
4.2 虛擬新加坡
4.3 智慧濱海的城市大腦
4.4 南京江北數位孿生新區
Chapter 5 數位孿生 + 智慧建築
5.1 建築業走向「數位」化
5.2 十天一座「雷神山」
5.3 巴黎聖母院的「重生」
5.4 安徽創新館之 BOS
5.5 吉寶靜安之住宅施工
Chapter 6 數位孿生 + 智慧能源
6.1 智慧的能源
6.2 智慧礦山虛擬開採
6.3 廊坊熱電廠
6.4 數位孿生能源網路規劃平台
6.5 數位孿生之南方電網
Chapter 7 數位孿生 + 智慧健康
7.1 數位孿生健康時代
7.2 DISCIPULUS 數位患者
7.3 藍腦計畫
7.4 達梭系統數位心臟
Chapter 8 數位孿生 + 智慧國防
8.1 數位孿生在國防
8.2 數位孿生衛星工廠
8.3 衛星副本確保網路安全
8.4 下一代空中主宰計畫
Chapter 9 數位孿生 + 智慧戰爭
9.1 現代戰爭之數位化升級
9.2 戰場感知,數據互連
9.3 分散式作戰之 Link16 資料鏈
9.4 模擬、整合和建模框架 AFSIM
9.5 從神盾到虛擬神盾
Chapter 10 數位孿生 + 航太航空
10.1 數位孿生「智」造航太航空
10.2 飛行器設計之 GCAir 平台
10.3 製造裝配之 F-35 生產線
10.4 航空飛機的數位孿生維保
Chapter 11 數位孿生 + 元宇宙
11.1 元宇宙是什麼?
11.2 元宇宙走向現實世界
11.3 數位孿生是元宇宙發展的底氣
11.4 推動數位孿生發展
PART 3 未來篇
Chapter 12 數位孿生之趨勢展望
12.1 數位孿生走向技術融合
12.2 標準化勢在必行
12.3 提升數位孿生通用性
12.4 難以迴避的現實挑戰
Chapter 13 向數位地球進發
13.1 數位孿生在各國
13.2 一個完全的數位地球
立即查看
【簡介】
不僅是導入新的科技或工具
全面解析數位轉型KNOW-HOW
打造個人虛實整合技能 × 組織敏捷度 × 企業虛實整合思維
實現全方位數位轉型
․從數位工具、團隊組織、企業策略到永續責任,完全掌握!
․以企業實例對應數位轉型階段,內容深入淺出、平易近人,為讀者解讀關鍵議題。
․探討從企業負責人、專案經理到一般員工,如何有效執行自己與企業的轉型。
【建立AI數位轉型策略思維,讓企業數位轉型自動導航】
瞬息萬變的數位時代,企業如何立足並脫穎而出?數位轉型不僅是一場技術革命,更是一場思維和策略的深刻變革。
本書針對企業整體在數位轉型上所必須要有的資源與能力,考量如何規劃與架構,同時說明企業文化與組織行為,以及每個個別員工都應隨之一起轉型的數位心態。AI數位轉型不僅是導入新的科技或工具,作者強調企業思維的改變,一種對客戶、員工、合作夥伴、社會和環境之間新關係的建立,以清楚掌握數位轉型的意義、方向和影響範圍,並提供實際的案例和建議,讓讀者能夠在自己的工作領域和組織團隊中,有效運用持續更新的AI,建立並實踐數位轉型的策略思維。
【目錄】
第0章 前言:AI數位轉型策略思維
Part 1 數位工具
第1章 從ChatGPT談起
ChatGPT橫空出世,帶來數位轉型的迫切感
ChatGPT的現況與未來
生成式AI與元宇宙
與AI對話:咒語?溝通?提示工程!
用AI數位轉型,有何不同?
結論:邁向AI數位轉型
第2章 AI工具的選擇與使用
生成式AI
選擇工具的客觀因素—以生成式AI為例
選擇AI工具的主觀因素—適合性
AI還在持續發展變化—迭代相容性
工具選擇是數位轉型的最後步驟
結論:善用數位工具,創新轉型思維
第3章 人與AI分工合作
導入AI會降低成本?
導入AI不僅提升銷售,更提升價值
「以人為本」的價值思維
AI賦能,讓員工樂於變超人
數位轉型思維:人+AI協作
結論:AI賦能員工
第4章 數位轉型的進程
步驟一:領導者的決心
步驟二:分析數位資源與能力
步驟三:策略與工作流程設計
步驟四:執行與評估
黑暗面考驗心理素質
三大關鍵因素
數位轉型的階段歷程
結論:循序漸進持續轉型
Part 2 數位組織
第5章 數位轉型工作型態
變革:工作型態改變
分析:工作環境轉變
比較:與傳統工作型態之間
調適:心態、協作,和數位能力
因應:該如何準備
挑戰,及可能的解決方案
結論:未來發展和機會
第6章 數位專案團隊
數位轉型促成專案模式
全都變成專案模式?
專案組織模式的適合度
評估專案組織的效能與影響
結論:持續改善與學習
第7章 數位學習策略
集體學習+持續學習
從人資長到學習長?!
「學習長」的任務
數位學習策略的規劃
結論:催生學習長
第8章 數位心態的養成
數位心態的重要性
數位心態的構成
數位心態的養成、調整與使用
組織團隊的數位心態
結論:數位心態是關鍵軟實力
第9章 數位人資長的第二個挑戰
數位人資長另一挑戰:招聘
專案團隊的選才
關於AI選才
一些數位負面爭議
結論:重塑人資長角色與思維
Part 3 數位策略
第10章 預測與判斷
AI提高預測準確度,突顯人類判斷價值
數位偏見與雜訊
決策者的數位責任
領導者工作也被顛覆?!
員工賦權
結論:AI是數位領導的最佳夥伴
第11章 決策與資源
數位策略決策的特色與挑戰
數位策略決策的流程與內容
數位策略資源的整合與搜尋
有效分配有資源
結論:迎向快速變化的數位趨勢
第12章 分析與見解
AI是數位轉型策略催化劑
分析能力重要性大幅提升
關於商業智慧
「企業不懂分析,無法迎接AI」?!
見解競爭力
結論:重構策略與創新流程
第13章 創新與定位
數位創新思維
創新思維的起源與續航力
數位轉型「創新的兩難」
企業定位再思考
數位商模新思維:開放性價值網絡
結論:數位領導引領變革
Part 4 數位永續
第14章 數位轉型與社會責任
數位企業與社會關懷
斜槓員工:數位時代新趨勢
職家平衡與衝突:舊議題、新挑戰
員工幸福感
結論:打造幸福數位企業
第15章 雙軸轉型:數位與綠色並進
數位與永續息息相關
對雙軸轉型較為殷切的產業
雙軸轉型也是一種矛盾思維
雙軸轉型的困難與阻礙
雙軸轉型的評估和衡量
結論:雙軸轉型已成趨勢
後記
參考資料
立即查看
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
全民瘋 AI 系列:經典機器學習 (1版)
類似書籍推薦給您
【簡介】
全民瘋 AI 系列 - 經典機器學習
https://youtu.be/JAlwnGNOLsY
✴︎ 全方位解析AI應用,揭開機器學習開發中常見的十大新手陷阱。
✴︎ 從模型訓練到實際落地,全面掌握AI技術在真實世界中的應用與價值。
✴︎ 資料視覺化、清理、正規化與標準化,為AI模型做好全面準備。
✴︎ 非監督與監督學習技術解析,涵蓋分群、迴歸與分類,結合實際應用。
✴︎ 搭配十三種經典實務範例,深入掌握模型構建與優化技巧。
✴︎ 模型落地實踐與整合應用,結合FastAPI打造完整AI應用服務。
【目錄】
第 1 章 中國固定收益市場介紹
1.1 債券與債券市場概念
1.1.1 債券
1.1.2 債券市場
1.2 債券品種分類
1.2.1 按付息方式分類
1.2.2 按發行主體信用分類
1.2.3 按發行主體類型分類
1.2.4 按幣種分類
1.3 中國債券市場的發展、監管與業務
1.3.1 中國債券市場的發展沿革
1.3.2 中國債券市場監管系統
1.3.3 中國債券市場交易業務
1.4 本章小結
第 2 章 債券的計息基準與應計利息的計算
2.1 中國債券常見計息基準
2.1.1 附息債券
2.1.2 利隨本清債券
2.1.3 貼現、零息債券
2.2 其他計息基準
2.2.1 實際/360
2.2.2 30/360
2.2.3 實際/365F
2.2.4 實際/365
2.2.5 實際/ 實際(ISDA)
2.3 本章小結
第 3 章 債券的淨價、全價與到期收益率的計算
3.1 淨價與全價
3.2 到期收益率的計算
3.2.1 單利計算的類型
3.2.2 複利計算的類型
3.3 本章小結
第 4 章 收益率曲線與建構
4.1 債券收益率曲線的建構方法
4.1.1 中國不同機構債券收益率曲線的建構方法
4.1.2 外國債券收益率曲線的建構方法
4.2 債券到期收益率曲線的建構
4.2.1 擬合法
4.2.2 插值法
4.3 債券即期收益率曲線的建構
4.3.1 拔靴法(bootstrapping)
4.3.2 NS 模型與NSS 模型
4.4 債券遠期收益率曲線的建構
4.5 本章小結
第 5 章 債券的估值與風險計量
5.1 固定利率債券的估值
5.1.1 固定利率債券現值的計算
5.1.2 G-spread 與Z-spread
5.1.3 固定利率債券風險指標的計算
5.2 浮動利率債券的估值
5.2.1 浮動利率債券現值的計算
5.2.2 浮動利率債券風險指標的計算
5.3 含權債券的深入理解與估值
5.3.1 行權估值與到期估值
5.3.2 遠期收益率判斷法估值
5.3.3 Hull-White 模型估值
5.4 債券的關鍵利率久期
5.4.1 單券的關鍵利率久期
5.4.2 組合的關鍵利率久期
5.5 債券的風險價值與預期損失
5.5.1 單券的風險價值與預期損失
5.5.2 組合的風險價值與預期損失
5.6 本章小結
第 6 章 債券的會計與損益歸因分析
6.1 新會計準則下債券SPPI 分析
6.2 債券的攤餘成本法
6.2.1 攤餘成本的基本原理
6.2.2 攤餘成本的每日計算
6.3 債券的會計損益分析
6.4 債券投資的損益分解
6.5 Campisi 績效歸因
6.5.1 Campisi 三因素歸因
6.5.2 Campisi 六因素歸因
6.6 本章小結
第 7 章 債券現券交易方式
7.1 銀行間現券交易方式
7.1.1 意向報價
7.1.2 對話報價
7.1.3 請求報價
7.1.4 做市報價
7.1.5 指示性報價
7.1.6 匿名點擊
7.2 交易所現券交易方式
7.2.1 匹配成交
7.2.2 點擊成交
7.2.3 詢價成交
7.2.4 協商成交
7.2.5 競買成交
7.3 本章小結
第 8 章 回購與債券借貸
8.1 質押式回購
8.1.1 銀行間質押式回購
8.1.2 交易所質押式回購
8.1.3 質押式回購的功能
8.2 買斷式回購
8.2.1 買斷式回購的基本原理
8.2.2 買斷式回購的功能
8.3 債券借貸
8.3.1 債券借貸的基本原理
8.3.2 債券借貸的功能
8.4 本章小結
第 9 章 國債期貨與標準債券遠期
9.1 國債期貨
9.1.1 中金所國債期貨簡介
9.1.2 國債期貨的功能
9.1.3 國債期貨常見指標的計算
9.2 標準債券遠期
9.2.1 標準債券遠期簡介
9.2.2 標準債券遠期的功能
9.2.3 標準債券遠期常見指標的計算
9.3 本章小結
第 10 章 利率互換
10.1 利率互換介紹
10.1.1 利率互換簡介
10.1.2 利率互換的功能
10.1.3 利率互換的交易要素
10.1.4 利率互換的交易曲線系統
10.1.5 利率互換的交易與利息計算-
10.2 利率互換即期與遠期收益率曲線的建構
10.2.1 利率互換即期收益率曲線的建構
10.2.2 利率互換遠期收益率曲線的建構
10.3 利率互換的估值與風險計量
10.3.1 估值原理與步驟
10.3.2 Shibor3M 利率互換的估值
10.3.3 FR007 利率互換的估值
10.3.4 利率互換的DV01 與利率互換關鍵期限的DV01
10.3.5 利率互換的風險價值與預期損失
10.4 本章小結
第 11 章 利率期權
11.1 利率上下限期權介紹
11.1.1 利率上限期權與利率下限期權
11.1.2 利率上下限期權的功能
11.1.3 利率上下限期權交易要素
11.1.4 利率上限期權與利率下限期權的平價關係
11.2 利率上下限期權波動率曲面的建構
11.2.1 波動率曲面介紹
11.2.2 波動率曲面的常用建構方法
11.2.3 利率上下限期權波動率曲面的具體建構
11.3 利率上下限期權的估值與風險指標
11.3.1 利率上下限期權現值的計算
11.3.2 利率上下限期權風險指標的計算
11.4 利率互換期權介紹
11.4.1 利率互換期權簡介
11.4.2 利率互換期權的功能
11.4.3 利率互換期權的平價關係
11.4.4 利率互換期權的交易要素
11.5 利率互換期權的估值與風險指標
11.5.1 利率互換期權波動率曲面的建構
11.5.2 利率互換期權現值的計算
11.5.3 利率互換期權風險指標的計算
11.6 利率期權風險價值的簡易計算
11.6.1 敏感度一階模型計算風險價值
11.6.2 敏感度二階模型計算風險價值
11.7 本章小結
第 12 章 信用衍生品
12.1 信用衍生品簡介
12.1.1 國內外信用衍生品的發展
12.1.2 信用風險緩釋憑證(CRMW)
12.1.3 CDS/CRMA/ 信用保護合約
12.1.4 CDS 指數
12.1.5 CRM 業務的功能
12.2 CRM 的估值與風險指標
12.2.1 生存曲線的建構
12.2.2 CRM 產品現值的計算
12.2.3 CRM 產品的風險指標計算
12.3 本章小結
附錄A
參考資料
參考圖書
參考文章
參考檔案
立即查看
比當沖還快:量化交易金融智慧賺好幾倍薪水 (1版)
類似書籍推薦給您
【簡介】
比當沖還快 - 量化交易金融智慧賺好幾倍薪水
https://youtu.be/_QYdemWuKXc
✴︎ 介紹中國債券市場基本概念及發展監管
✴︎ 說明債券一級與二級市場的運作與衍生品
✴︎ 債券應計利息的計算及常見計息基準
✴︎ 債券淨價、全價與到期收益率的計算關係
✴︎ 市場收益率曲線建構方法與應用選擇
✴︎ 不同類型債券的估值與風險計量方法
✴ 新會計準則下債券SPPI分析與攤餘成本法
✴︎ 銀行間與交易所債券交易方式與模型
✴︎ 質押式回購、買斷式回購與債券借貸交易
✴︎ 國債期貨與標準債券遠期基本原理與計算
✴︎ 利率互換與其估值及風險計量方法
✴︎ 國內外信用衍生品與CRM的交易與估值方法
立即查看