內容介紹:
不同於常見機器學習皆是由Python語言實作,本書使用JavaScript語言於瀏覽器實作機器學習,搭配著名的JS機器學習函式庫ml5.js可以更快速且便利地達成AI網頁應用,對於許多熟悉JS語言的前端工程師或使用者更為親近,實驗過程使用p5.js程式庫,讓沒有太多程式設計基礎的使用者也可以更輕鬆將結果視覺化,再搭配使用p5.jswebeditor線上開發環境,只需要使用瀏覽器就可以開始輕鬆設計網頁,不需要在自己的主機建構繁瑣的開發環境,再搭配Python編寫控制板程式,將應用結合至感測器或實體輸出裝置,實現更完整的機器學習應用實例。
本書一開始會先介紹機器學習概念與p5.jswebeditor線上開發環境基本操作,接著直接體驗使用ml5.js中的現有模型,實作可以辨識特定物件的影像分類器。
除了網頁實作神經網路外,可再串連硬體控制板,藉由控制板輸出預測結果,比如使用物件偵測來判斷是否有人出現,對應的OLED顯示器模組就會出現迎賓文字或相關訊息；或是語音辨識讓玩家用語音來控制遊戲,遊戲結束後會通知控制板啟動振動馬達回饋給玩家。
最後會使用ml5程式庫實際訓練自己的神經網路模型,首先為利用控制板蒐集感測器資料,再透過神經網路訓練解決迴歸問題,如藉由溫度感測器的訊號,找出感測值與實際溫度的關係,做出自製即時電子溫度計,再結合可以即時顯示畫面去背效果的U-Net模型,就可以使用環境溫度來改變虛擬背景特效。
接著為解決分類問題的神經網路,使用現成的Facemesh模型找出臉部特徵點,分別蒐集臉部不同的角度資料進行訓練,最終得到一個可以辨識是否打瞌睡的模型,再串接實體蜂鳴器在打瞌睡時,發出警報聲提醒使用者。
最後訓練的神經網路為卷積神經網路,透過蒐集配戴口罩與否的不同照片作為訓練資料,經過卷積神經網路訓練後,就可以用此模型來判斷畫面中的人是否有正確配戴口罩,再結合模擬門鎖的伺服馬達,建構出一套口罩門禁系統的概念。
本產品除實驗手冊外，實驗過程中有任何問題或是建議都可以在Facebook粉絲專頁《旗標創客‧自造者工作坊》中留言，即有專人為您服務。
本產品Windows/Mac皆適用
操作本產品需要視訊鏡頭及麥克風(筆電內建或USB外接webcam皆可)
本書特色:
●用JavaScript升級網頁添加機器學習能力
●結合硬體展現機器學習成果實作物聯網應用
●從感測器蒐集資料、訓練模型到應用完整學習
OLED 訓練 創客 感測器 PYTHON AI 機器學習 模型 JAVASCRIPT 口罩 JS WEBCAM FACEBOOK USB 開發 使用者 FLAGS
