Computer Vision with Maker Tech: Detecting People With a Raspberry Pi, a Thermal Camera, and Machine Learning

https://www.apress.com/gp/book/9781484268209

از پتانسیل استفاده نشده ترکیب یک اینترنت غیرمتمرکز اشیا (IoT) با توانایی پیش بینی بر روی داده های فازی دنیای واقعی استفاده کنید. این کتاب تئوری مدل‌های یادگیری ماشینی را پوشش می‌دهد و به شما نشان می‌دهد که چگونه یک امنیت کنترل‌شده با صدا را برنامه‌نویسی و جمع‌آوری کنید.

شما تفاوت‌های بین یادگیری نظارت‌شده و بدون نظارت و نحوه استفاده از پیچ و مهره را خواهید آموخت. یک شبکه عصبی در واقع کار می کند. همچنین یاد خواهید گرفت که معیارهایی را شناسایی و اندازه گیری کنید که نشان می دهد طبقه بندی کننده شما چقدر خوب عمل می کند. مروری بر انواع دیگر تکنیک‌های یادگیری ماشین، مانند الگوریتم‌های ژنتیک، یادگیری تقویتی، ماشین‌های بردار پشتیبان و آشکارسازهای ناهنجاری، شما را با آشنایی با مفاهیم اولیه یادگیری ماشین آشنا می‌کند. فصل‌ها بر بهترین روش‌ها برای ساخت مدل‌هایی تمرکز می‌کنند که واقعاً می‌توانند مقیاس شوند و به اندازه کافی انعطاف‌پذیر باشند تا در چندین برنامه جاسازی شوند و به راحتی قابل استفاده مجدد باشند.

با این مفاهیم پوشش داده شده، شما به ابزارهایی برای راه‌اندازی یک شبکه ای برای جمع آوری و پردازش نقاط داده ای که باید با استفاده از برخی از سخت افزارهای رایج و ارزان که صنعت اتوماسیون خانگی و اینترنت اشیاء امروزی را تشکیل می دهند، مانند RaspberryPi، Arduino، ESP8266 و غیره به مدل های ما داده شود. در نهایت، شما. چیزها را کنار هم می گذارم و با چند مثال عملی کار می کنم. شما مدل هایی را برای تشخیص حضور افراد در خانه خود و ردیاب های ناهنجاری به کار خواهید برد که اگر برخی از حسگرها چیز غیرعادی را اندازه گیری کرده اند به شما اطلاع می دهند. و یک دستیار صوتی اضافه خواهید کرد که از مدل خود برای تشخیص صدای شما استفاده می کند.

آنچه یاد خواهید گرفت

• یک دستیار صوتی برای کنترل دستگاه های اینترنت اشیا خود ایجاد کنید
< li>برای شناسایی تغییرات در یک محیط، Vision کامپیوتر را پیاده سازی کنید
• از پروژه های ساده فراتر بروید و به طور کلی یادگیری ماشینی پایه گذاری کنید
• ببینید چگونه اینترنت اشیا می تواند با شروع تکنیک های یادگیری ماشین
• با استفاده از TensorFlow و OpenCV مدل های یادگیری ماشین بسازید

https://www.apress.com/gp/book/9781484268209

Harness the untapped potential of combining a decentralized Internet of Things (IoT) with the ability to make predictions on real-world fuzzy data. This book covers the theory behind machine learning models and shows you how to program and assemble a voice-controlled security.

You’ll learn the differences between supervised and unsupervised learning and how the nuts-and-bolts of a neural network actually work. You’ll also learn to identify and measure the metrics that tell how well your classifier is doing. An overview of other types of machine learning techniques, such as genetic algorithms, reinforcement learning, support vector machines, and anomaly detectors will get you up and running with a familiarity of basic machine learning concepts. Chapters focus on the best practices to build models that can actually scale and are flexible enough to be embedded in multiple applications and easily reusable.

With those concepts covered, you’ll dive into the tools for setting up a network to collect and process the data points to be fed to our models by using some of the ubiquitous and cheap pieces of hardware that make up today's home automation and IoT industry, such as the RaspberryPi, Arduino, ESP8266, etc. Finally, you’ll put things together and work through a couple of practical examples. You’ll deploy models for detecting the presence of people in your house, and anomaly detectors that inform you if some sensors have measured something unusual. And you’ll add a voice assistant that uses your own model to recognize your voice. 

What You'll Learn

• Develop a voice assistant to control your IoT devices
• Implement Computer Vision to detect changes in an environment
• Go beyond simple projects to also gain a grounding machine learning in general
• See how IoT can become "smarter" with the inception of machine learning techniques
• Build machine learning models using TensorFlow and OpenCV