第1章　人工智能應(yīng)用開發(fā)概述 001
1.1　人工智能技術(shù)的發(fā)展 002
1.2　新一代人工智能技術(shù)體系 003
1.3　人工智能技術(shù)的應(yīng)用 004
1.3.1　大數(shù)據(jù)應(yīng)用 005
1.3.2　機(jī)器視覺 005
1.3.3　語音處理 005
1.3.4　自然語言處理 006
1.4　嵌入式人工智能 007
1.5　人工智能對社會的影響 007

第2章　智能車平臺 009
2.1　智能車硬件組成 010
2.1.1　嵌入式樹莓派微型電腦 011
2.1.2　直流電機(jī)及控制 013
2.1.3　超聲波測距 014
2.1.4　紅外避障模塊 016
2.1.5　循跡模塊 017
2.1.6　攝像頭 018
2.1.7　語音處理設(shè)備 018
2.2　智能車應(yīng)用開發(fā)入門 019
2.2.1　樹莓派開發(fā)環(huán)境 019
2.2.2　基于Python的智能車控制 022
2.2.3　基于C/C 的智能車控制 025

第3章　人工智能應(yīng)用開發(fā)框架 029
3.1　TensorFlow開發(fā)環(huán)境介紹 030
3.2　TensorFlow開發(fā)環(huán)境搭建 030
3.2.1　在樹莓派上安裝TensorFlow 031
3.2.2　在Ubuntu上安裝TensorFlow 031
3.3　TensorFlow編程 037
3.3.1　TensorFlow的編程模型 038
3.3.2　TensorFlow的神經(jīng)網(wǎng)絡(luò)模型 040
3.3.3　卷積神經(jīng)網(wǎng)絡(luò)及應(yīng)用 046
3.3.4　TensorFlow的高層封裝 054

第4章　機(jī)器視覺應(yīng)用開發(fā) 060
4.1　OpenCV開源視覺庫編程 061
4.1.1　OpenCV開發(fā)環(huán)境的搭建 062
4.1.2　實踐項目 068
4.2　基于Dlib庫的人臉識別 077
4.2.1　Dlib庫的安裝 077
4.2.2　實踐項目 078
4.3　基于YOLO V3的實時目標(biāo)檢測 092
4.3.1　深度學(xué)習(xí)和YOLO V3簡介 093
4.3.2　訓(xùn)練自己的數(shù)據(jù)集 093

第5章　語音識別應(yīng)用開發(fā) 111
5.1 語音識別應(yīng)用框架 112
5.1.1 語音識別常用算法 113
5.1.2 語音識別設(shè)備 117
5.1.3 本地語音識別與云端語音識別 118
5.2 基于Sphinx的本地語音識別 119
5.2.1 Sphinx軟件包的安裝 119
5.2.2 語料庫的訓(xùn)練 121
5.2.3 聲卡安裝使用 123
5.2.4 源碼示例 127
5.3 基于科大訊飛的語音識別 134
5.3.1 科大訊飛的語音識別框架及產(chǎn)品分類 134
5.3.2 用科大訊飛API實現(xiàn)本地語音文件識別 135
5.3.3 用科大訊飛實現(xiàn)離線語音識別 138
5.4 基于百度智能云的語音識別 142
5.4.1 基于百度云平臺的語音識別方案 142
5.4.2 百度云語音識別的系統(tǒng)設(shè)計 142
5.4.3 百度云語音識別算法調(diào)用 144
5.4.4 云語音算法模型的訓(xùn)練 145
5.4.5 云語音應(yīng)用 146
5.5 應(yīng)用實例智能車的語音控制 150
5.5.1 語音識別應(yīng)用框架系統(tǒng)分析 150
5.5.2 機(jī)客戶端功能及模塊化分 151
5.5.3 樹莓派智能車服務(wù)端功能及模塊劃分 152
5.5.4 TCP傳輸協(xié)議 153
5.5.5 語音識別應(yīng)用開發(fā)環(huán)境的搭建 156
5.5.6 語音識別應(yīng)用開發(fā)實例 180

第6章　基于腦機(jī)接口的智能車控制 184
6.1 腦機(jī)接口簡介 185
6.1.1 腦機(jī)接口的用途 185
6.1.2 腦機(jī)接口的原理 186
6.2 腦機(jī)接口硬件設(shè)計 187
6.2.1 信號采集 188
6.2.2 信號傳輸與處理 189
6.3 基于腦機(jī)接口的智能車控制 192
6.4 腦機(jī)接口應(yīng)用拓展 199

參考文獻(xiàn) 200