人工智能應(yīng)用基礎(chǔ)(高職)全套教學(xué)課件

項(xiàng)目一人工智能：軌道交通智慧之門人工智能應(yīng)用基礎(chǔ)全套可編輯PPT課件項(xiàng)目1人工智能概述項(xiàng)目2機(jī)器學(xué)習(xí)：找出你是誰(shuí)項(xiàng)目3圖像檢測(cè)：我知道現(xiàn)在有多少人項(xiàng)目4語(yǔ)音處理及應(yīng)用項(xiàng)目5文本分析你的評(píng)論表達(dá)你的喜好0102了解人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系任務(wù)3認(rèn)識(shí)人工智能在軌道交通中的應(yīng)用任務(wù)1認(rèn)識(shí)人工智能目錄03任務(wù)1認(rèn)識(shí)人工智能PART01人工智能（ArtificialInteligence，Al）是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。本項(xiàng)目主要通過(guò)學(xué)習(xí)人工智能發(fā)展歷史及人工智能在軌道交通中的應(yīng)用、在Windows環(huán)境下載安裝Pyhon并下載Python第三方模塊包、利用PyCham進(jìn)行程序編譯后，實(shí)現(xiàn)簡(jiǎn)單的人工智能項(xiàng)目開(kāi)發(fā)。通過(guò)了解人工智能及其在軌道交通中的應(yīng)用，學(xué)會(huì)在Windows系統(tǒng)中安裝Python開(kāi)發(fā)環(huán)境以及需要的模塊，并開(kāi)發(fā)出一個(gè)簡(jiǎn)單的PythonGUI應(yīng)用。項(xiàng)目一人工智能：軌道交通智慧之門項(xiàng)目一人工智能：軌道交通智慧之門01知識(shí)目標(biāo)了解人工智能的歷史。了解人工智能與機(jī)器學(xué)習(xí)的關(guān)系。了解人工智能在軌道交通中的應(yīng)用。02能力目標(biāo)掌握Windows系統(tǒng)中Python的安裝方法。掌握Python中新增模塊的安裝方法。掌握Python項(xiàng)目的一般結(jié)構(gòu)。03素質(zhì)目標(biāo)通過(guò)學(xué)習(xí)人工智能發(fā)展歷史，激勵(lì)學(xué)生樹(shù)立學(xué)習(xí)目標(biāo)，培養(yǎng)勇于面對(duì)挑戰(zhàn)及敢于創(chuàng)新的精神。通過(guò)學(xué)習(xí)人工智能與機(jī)器學(xué)習(xí)的關(guān)系，培養(yǎng)學(xué)生勤于思考、融會(huì)貫通的學(xué)習(xí)習(xí)慣.通過(guò)學(xué)習(xí)Python安裝方法，培養(yǎng)學(xué)生嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度及精益求精的工匠精神。任務(wù)1認(rèn)識(shí)人工智能人工智能是一個(gè)含義很廣的術(shù)語(yǔ)。在其發(fā)展過(guò)程中，具有不同學(xué)科背景的人工智能學(xué)者對(duì)它有著不同的理解。綜合各種人工智能觀點(diǎn)，可以從“能力”和“學(xué)科”兩方面對(duì)人工智能進(jìn)行定義：任務(wù)1認(rèn)識(shí)人工智能從能力的角度看，人工智能是指用人工的方法在機(jī)器（如計(jì)算機(jī)）上實(shí)現(xiàn)的智能；從學(xué)科的角度看，人工智能是一門研究如何構(gòu)造智能機(jī)器或智能系統(tǒng)，使其能模擬、延伸和擴(kuò)展人類智能的學(xué)科。任務(wù)1認(rèn)識(shí)人工智能回顧歷史，按照人工智能在不同時(shí)期的主要特征可以將其產(chǎn)生和發(fā)展過(guò)程概括為圖1-1所示的幾個(gè)階段。任務(wù)1認(rèn)識(shí)人工智能亞里士多德（前384一前322）：古希臘偉大的哲學(xué)家和思想家，創(chuàng)立了演繹法。萊布尼茨（1646-1716）：德國(guó)數(shù)學(xué)家和哲學(xué)家，把形式邏輯符號(hào)化，奠定了數(shù)理邏輯的基礎(chǔ)?！?1誕生期任務(wù)1認(rèn)識(shí)人工智能圖靈（1912-1954）：英國(guó)數(shù)學(xué)家，1936年創(chuàng)立了自動(dòng)機(jī)理論，自動(dòng)機(jī)理論亦稱圖靈機(jī)，是一個(gè)理論計(jì)算機(jī)模型。并于1950年，發(fā)表題為《計(jì)算機(jī)能思維嗎？》的著名論文，明確提出了“機(jī)器能思維”的觀點(diǎn)?！?1誕生期任務(wù)1認(rèn)識(shí)人工智能什么是圖靈測(cè)試？任務(wù)1認(rèn)識(shí)人工智能什么是圖靈測(cè)試？圖靈測(cè)試是測(cè)試人在與被測(cè)試者(一個(gè)人和一臺(tái)機(jī)器)隔開(kāi)的情況下向被測(cè)試者隨意提問(wèn)。問(wèn)過(guò)問(wèn)題后，如果被測(cè)試者超過(guò)30%的答復(fù)不能使測(cè)試人確認(rèn)出哪個(gè)是人、哪個(gè)是機(jī)器的回答，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試，并被認(rèn)為具有人類智能。任務(wù)1認(rèn)識(shí)人工智能莫克利（1907-1980）：美國(guó)數(shù)學(xué)家、電子數(shù)字計(jì)算機(jī)的先驅(qū)，他與?？颂兀↗PEckert）合作，于1946年研制成功了世界上第一臺(tái)通用電子計(jì)算機(jī)ENIAC。維納（1874-1956）：美國(guó)著名數(shù)學(xué)家，控制論創(chuàng)始人，1948年創(chuàng)立了控制論，為人工智能的誕生準(zhǔn)備了必要的思想、理論和物質(zhì)基礎(chǔ)條件。“01誕生期任務(wù)1認(rèn)識(shí)人工智能“01誕生期在達(dá)特茅斯大學(xué)舉行了一個(gè)為期兩個(gè)月的夏季學(xué)術(shù)研討會(huì)，來(lái)自美國(guó)數(shù)學(xué)、神經(jīng)學(xué)、心理學(xué)、信息科學(xué)和計(jì)算機(jī)科學(xué)方面的杰出科學(xué)家，在一起共同學(xué)習(xí)和探討了用機(jī)器模擬人類智能的有關(guān)問(wèn)題，并由麥卡錫提議，正式采用了“人工智能（AricalInteligcnce，Al）”這一術(shù)語(yǔ)。從此一個(gè)以研究如何用機(jī)器來(lái)模擬人類智能的新興學(xué)科——人工智能誕生了。任務(wù)1認(rèn)識(shí)人工智能“02低谷期從197l年到20世紀(jì)80年代末這段時(shí)間稱為人工智能的知識(shí)應(yīng)用期，也有人稱為低潮時(shí)期。任務(wù)1認(rèn)識(shí)人工智能“02低谷期（1）在博弈方面，塞繆爾的下棋程序在與世界冠軍對(duì)弈時(shí)，5局中敗了4局。（2）在定理證明方面，魯濱遜歸結(jié)法的能力有限，當(dāng)用歸結(jié)原理證明“兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)”時(shí)，推了10萬(wàn)步也沒(méi)證明出結(jié)果。（3）在問(wèn)題求解方面，由于過(guò)去的研究一般針對(duì)具有良好結(jié)構(gòu)的問(wèn)題，而現(xiàn)實(shí)世界中的問(wèn)題多為不良結(jié)構(gòu)，如果用那些方法去處理，將會(huì)產(chǎn)生組合爆炸問(wèn)題。（4）在神經(jīng)生理學(xué)方面，研究發(fā)現(xiàn)人腦由101~10個(gè)神經(jīng)元組成，按當(dāng)時(shí)的技術(shù)條件，用機(jī)器從結(jié)構(gòu)上模擬人腦是根本不可能的，致使人工神經(jīng)網(wǎng)絡(luò)的研究落入低潮。任務(wù)1認(rèn)識(shí)人工智能“03專家系統(tǒng)期專家系統(tǒng)（ExpertSystem，ES）是一類具有大量專門知識(shí)，并能夠利用這些知識(shí)去解決特定領(lǐng)城中需要由專家才能解決的問(wèn)題的計(jì)算機(jī)程序，專家系統(tǒng)實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般思維規(guī)律探討走向?qū)ｉT知識(shí)運(yùn)用的重大突破，是人工智能發(fā)展史上的一次重要轉(zhuǎn)折。任務(wù)1認(rèn)識(shí)人工智能“04深度學(xué)習(xí)期以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)為引領(lǐng)是這一時(shí)期人工智能發(fā)展最重要的一個(gè)特征。了解人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系PART02任務(wù)2了解人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系機(jī)器學(xué)習(xí)案例：機(jī)器翻譯，信息抽取，詐騙檢測(cè)，人臉識(shí)別、語(yǔ)音識(shí)別等。深度學(xué)習(xí)案例：圖像著色（為黑白照片添加顏色）、自動(dòng)機(jī)器翻譯、檢測(cè)兒童是否發(fā)育遲緩等。任務(wù)3認(rèn)識(shí)人工智能在軌道交通中的應(yīng)用PART03任務(wù)3認(rèn)識(shí)人工智能在軌道交通中的應(yīng)用近年我國(guó)在軌道交通系統(tǒng)中陸續(xù)上線了各類信息化的管理系統(tǒng)，客觀上對(duì)提高鐵路系統(tǒng)內(nèi)部信息傳遞，提高系統(tǒng)運(yùn)作效率起到了顯著作用，但同時(shí)各類信息系統(tǒng)之間不能連通、信息化孤島不能貫通，持續(xù)引進(jìn)的先進(jìn)設(shè)備的網(wǎng)絡(luò)接入和數(shù)據(jù)融合也顯滯后，這些問(wèn)題客觀上阻礙了軌道交通系統(tǒng)進(jìn)一步通過(guò)信息化提高系統(tǒng)效率。而以人工智能為核心的工業(yè)互聯(lián)網(wǎng)技術(shù)從構(gòu)建智能化的感知網(wǎng)絡(luò)、虛擬化的信息硬件資源、平臺(tái)化的業(yè)務(wù)和數(shù)據(jù)中臺(tái)以及基于中臺(tái)的輕量化的各類業(yè)務(wù)應(yīng)用等，實(shí)現(xiàn)了整個(gè)軌道交通系統(tǒng)運(yùn)行的“操作系統(tǒng)”。任務(wù)3認(rèn)識(shí)人工智能在軌道交通中的應(yīng)用人工智能技術(shù)在乘客服務(wù)中的應(yīng)用人工智能技術(shù)在智慧車站中的應(yīng)用學(xué)習(xí)與思考PART041．查閱相關(guān)文獻(xiàn)資料，簡(jiǎn)述人工智能有什么應(yīng)用價(jià)值。2．說(shuō)明人工智能有哪些研究領(lǐng)域。學(xué)習(xí)與思考攜手共進(jìn)共創(chuàng)輝煌努力成就夢(mèng)想！項(xiàng)目二機(jī)器學(xué)習(xí)：找出你是誰(shuí)人工智能應(yīng)用基礎(chǔ)0102任務(wù)2理解分類問(wèn)題任務(wù)3理解特征與標(biāo)記任務(wù)1認(rèn)識(shí)圖像的表示目錄03任務(wù)4認(rèn)識(shí)分類器04任務(wù)5了解迭代學(xué)習(xí)05任務(wù)6項(xiàng)目開(kāi)發(fā)人臉識(shí)別：我知道你是誰(shuí)06人臉識(shí)別在安防領(lǐng)域的應(yīng)用已經(jīng)很多了，警方能夠通過(guò)捕捉攝像頭中的影像來(lái)確認(rèn)誰(shuí)是犯罪嫌疑人；系統(tǒng)能從海量級(jí)的人物照片庫(kù)中找到被通緝?nèi)藛T。這些功能都可以通過(guò)人臉識(shí)別技術(shù)實(shí)現(xiàn)?；谌四樧R(shí)別和大數(shù)據(jù)分析，可以從海量數(shù)據(jù)中根據(jù)目標(biāo)人物的特征信息，如性別、年齡范圍、著裝顏色等，通過(guò)人臉比對(duì)分析確定嫌疑人身份。本項(xiàng)目我們來(lái)學(xué)習(xí)該案例中蘊(yùn)藏的機(jī)器分類技術(shù)。通過(guò)使用現(xiàn)有機(jī)器學(xué)習(xí)框架模塊，實(shí)現(xiàn)對(duì)人臉圖片的分類，判斷圖片中是誰(shuí)。項(xiàng)目二機(jī)器學(xué)習(xí)：找出你是誰(shuí)項(xiàng)目一人工智能：軌道交通智慧之門01知識(shí)目標(biāo)02能力目標(biāo)03素質(zhì)目標(biāo)任務(wù)1認(rèn)識(shí)人工智能任務(wù)1認(rèn)識(shí)圖像的表示計(jì)算機(jī)是怎么表示彩色圖像的？任務(wù)1認(rèn)識(shí)圖像的表示在計(jì)算機(jī)里，對(duì)于彩色圖像用紅（R）、綠（G）、藍(lán)（B）三基色來(lái)表示，用紅（R）、綠（G）、藍(lán)（B）三個(gè)數(shù)字來(lái)表示一個(gè)顏色，每個(gè)基本顏色的值為0-255，數(shù)值的大小表示這個(gè)顏色分量的明暗程度，數(shù)值越大，表示該基本顏色的比例越大。任務(wù)1認(rèn)識(shí)圖像的表示通過(guò)不同比例的調(diào)和，會(huì)呈現(xiàn)出我們?nèi)搜鬯芸吹降娜魏晤伾?。任?wù)1認(rèn)識(shí)圖像的表示任務(wù)1認(rèn)識(shí)圖像的表示（255，0，0）表示純紅色；任務(wù)1認(rèn)識(shí)圖像的表示（0，255，0）表示純綠色；任務(wù)1認(rèn)識(shí)圖像的表示（0，0，255）表示純藍(lán)色；任務(wù)1認(rèn)識(shí)圖像的表示白色怎么表示？黑色怎么表示？灰色怎么表示？（255，255，255）（0，0，0）（100，100，100）任務(wù)1認(rèn)識(shí)圖像的表示一幅圖像是由一個(gè)個(gè)小格子組成的，每個(gè)小格子是一個(gè)色塊。如果用不同的數(shù)字表示不同的顏色，圖像就可以表示成一個(gè)由數(shù)字組成的矩形陣列，稱為矩陣，這樣圖像就會(huì)存儲(chǔ)在計(jì)算機(jī)中。這里的小格子稱為像素，格子的行數(shù)和列數(shù)統(tǒng)稱為分辨率。反過(guò)來(lái)，如果給出一個(gè)數(shù)字組成的矩陣，將矩陣中的每個(gè)數(shù)值轉(zhuǎn)換為對(duì)應(yīng)的顏色，并在計(jì)算機(jī)屏幕上顯示出來(lái)，就可以重現(xiàn)這幅圖像。任務(wù)1認(rèn)識(shí)圖像的表示任務(wù)1認(rèn)識(shí)圖像的表示用三種顏色的不同比例（數(shù)字）就可以表示很多種顏色，可見(jiàn)，一張彩色圖像就可以用三張由數(shù)字組成的陣列來(lái)表示，如圖2-7所示，這些數(shù)字陣列稱為三階張量。三階張量的長(zhǎng)度和寬度為圖像的分辨率，高度為3，即彩色圖像有3個(gè)通道，灰度圖像只有一個(gè)通道。任務(wù)2理解分類問(wèn)題任務(wù)2理解分類問(wèn)題分類就是在樣本集中，通過(guò)已知樣本的特征和屬性，將樣本劃分到已有的類別中。也就是說(shuō)，這些類別是已知的，通過(guò)對(duì)已知樣本數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，找到能區(qū)分?jǐn)?shù)據(jù)類別的特征，再通過(guò)這些特征對(duì)待分類數(shù)據(jù)進(jìn)行分類。子任務(wù)1了解分類原理子任務(wù)2掌握?qǐng)D像分類步驟及應(yīng)用任務(wù)2理解分類問(wèn)題子任務(wù)1了解分類原理圖像分類是以圖像的像素關(guān)聯(lián)信息為基礎(chǔ)，通過(guò)計(jì)算機(jī)獲取圖像的特征之后進(jìn)行歸納，然后分類識(shí)別的過(guò)程。圖像分類問(wèn)題的原理是根據(jù)已經(jīng)帶有類別標(biāo)簽的圖像數(shù)據(jù)集，對(duì)待分類圖像進(jìn)行歸類，從已有類別集合中得到待分類圖像標(biāo)簽，最終確定待分類圖像歸屬類別的過(guò)程。任務(wù)2理解分類問(wèn)題子任務(wù)1了解分類原理如圖2-8所示，將水果圖片進(jìn)行分類，利用計(jì)算機(jī)從類別標(biāo)簽集合中找到水果對(duì)應(yīng)的類別。該過(guò)程看起來(lái)比較簡(jiǎn)單，是因?yàn)槿祟惖囊曈X(jué)系統(tǒng)能直接將眼睛獲得的圖像信息進(jìn)行語(yǔ)義的轉(zhuǎn)化。任務(wù)2理解分類問(wèn)題子任務(wù)1了解分類原理但對(duì)于計(jì)算機(jī)來(lái)說(shuō)，卻是計(jì)算機(jī)視覺(jué)領(lǐng)城研究的關(guān)鍵問(wèn)題之一，計(jì)算機(jī)視覺(jué)領(lǐng)域中的目標(biāo)檢測(cè)、圖像分割、動(dòng)態(tài)跟蹤、人體分析、人臉識(shí)別等高層視覺(jué)分析都是以圖像分類操作為基礎(chǔ)。機(jī)器學(xué)習(xí)中圖像分類通常采用基于數(shù)據(jù)驅(qū)動(dòng)的方法。該方法的原理是從計(jì)算機(jī)讀入大量數(shù)據(jù)，然后讓計(jì)算機(jī)學(xué)習(xí)數(shù)據(jù)的屬性，最終學(xué)到每一類的特征。任務(wù)2理解分類問(wèn)題子任務(wù)2掌握?qǐng)D像分類步驟及應(yīng)用圖像分類是分類問(wèn)題的一個(gè)分支，一般包含三個(gè)步驟：①輸人數(shù)據(jù)：向分類模型輸入包含N個(gè)圖像的集合，其中每個(gè)圖像的標(biāo)簽是K種分類標(biāo)簽中的一種。這個(gè)集合稱為訓(xùn)練集。②學(xué)習(xí)過(guò)程：使用訓(xùn)練集來(lái)學(xué)習(xí)每個(gè)類的特征。也稱該過(guò)程為訓(xùn)練分類器模型。任務(wù)2理解分類問(wèn)題子任務(wù)2掌握?qǐng)D像分類步驟及應(yīng)用③評(píng)價(jià)過(guò)程：利用訓(xùn)練好的分類器來(lái)預(yù)測(cè)它未曾見(jiàn)過(guò)的圖像數(shù)據(jù)集（也稱為測(cè)試集）的分類標(biāo)簽，并以此來(lái)評(píng)價(jià)分類器的質(zhì)量。如果預(yù)測(cè)的圖像標(biāo)簽的正確率達(dá)到一定的標(biāo)準(zhǔn)，就認(rèn)為這個(gè)分類模型訓(xùn)練成功，否則將進(jìn)行步驟②繼續(xù)學(xué)習(xí)，直到達(dá)到評(píng)價(jià)標(biāo)準(zhǔn)為止。任務(wù)3理解特征與標(biāo)記任務(wù)3理解特征與標(biāo)記特征是一事物異于其他事物的特點(diǎn)。通常我們通過(guò)物體的特征來(lái)區(qū)分物體的類別，這是最有效的方式。如圖2-8中的4張圖片，設(shè)想一下，采用什么樣的特征可以更好地區(qū)分它們呢？任務(wù)3理解特征與標(biāo)記如果用“是否為圓形”作為一個(gè)特征，可以區(qū)分香蕉和梨，也可以區(qū)分草莓和蘋果；如果再用“是否為紅色”作為第二個(gè)特征，就可以區(qū)分是草莓或蘋果還是香蕉和梨，如表2-1所示，這樣就可以準(zhǔn)確地區(qū)分這四張圖片所屬的類別了。任務(wù)3理解特征與標(biāo)記對(duì)于人類而言，只要看一次照片，這些特征就會(huì)被大腦獲取，“紅色”+“圓形”特征的圖片就是蘋果。但對(duì)于計(jì)算機(jī)而言，一幅圖片就是以某種特定格式存儲(chǔ)在存儲(chǔ)器的一串?dāng)?shù)據(jù)。讓計(jì)算機(jī)通過(guò)相關(guān)的一系列的計(jì)算，從這些數(shù)據(jù)中提取“是否為圓形”這樣的特征是非常困難的事情。任務(wù)3理解特征與標(biāo)記圖像的分類問(wèn)題最終會(huì)回答哪一幅圖像屬于哪一個(gè)類別，也就是說(shuō)，每個(gè)圖像都有自己所屬的類別，這個(gè)類別就是標(biāo)記，也稱為標(biāo)簽。如表2-1中的蘋果、梨、香蕉等稱為標(biāo)記。訓(xùn)練分類模型所采用的訓(xùn)練數(shù)據(jù)集是帶有標(biāo)記的，而這個(gè)數(shù)據(jù)集需要人工標(biāo)記。只有帶有標(biāo)記的訓(xùn)練集才能被分類模型所學(xué)習(xí)，才能使用學(xué)到的“知識(shí)”判斷測(cè)試圖像類別。任務(wù)3理解特征與標(biāo)記數(shù)據(jù)標(biāo)記需要標(biāo)記員借助某種標(biāo)注工具，例如，使用labelme、labelmg圖像標(biāo)注工具，對(duì)輸入分類模型的訓(xùn)練數(shù)據(jù)集進(jìn)行標(biāo)注，該過(guò)程的主要作用是為訓(xùn)練數(shù)據(jù)集提供類別標(biāo)簽。數(shù)據(jù)標(biāo)注成為當(dāng)下大多數(shù)人工智能算法得以高效運(yùn)行的關(guān)鍵環(huán)節(jié)，數(shù)據(jù)標(biāo)注的量越大，算法的性能越好。任務(wù)4認(rèn)識(shí)分類器任務(wù)4認(rèn)識(shí)分類器攜手共進(jìn)共創(chuàng)輝煌努力成就夢(mèng)想！項(xiàng)目三

圖像檢測(cè)：我知道現(xiàn)在有多少人任務(wù)1圖像特征的提取任務(wù)2深度神經(jīng)網(wǎng)絡(luò)的前世今生任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)任務(wù)1圖像特征的提取子任務(wù)1圖像的特征如果用“是否有翅膀”作為一個(gè)特征，可以區(qū)分企鵝和狼，也可以區(qū)分飛機(jī)和汽車；如果再用“是否有眼睛”作為第二個(gè)特征，就可以區(qū)分是企鵝或狼還是飛機(jī)或者汽車，如下表1所示，這樣我們就可以準(zhǔn)確地區(qū)分這四張照片了。

企鵝野狼飛機(jī)汽車1特征是否有翅膀是否是否2特征是否有眼睛是是否否任務(wù)1圖像特征的提取子任務(wù)1圖像的特征如何從圖像中提取如上所述的兩個(gè)特征呢？在計(jì)算機(jī)視覺(jué)領(lǐng)域發(fā)展初期，人們手工設(shè)計(jì)了各種圖像特征，包括圖像的顏色、邊緣、紋理等性質(zhì)，能解決物體識(shí)別和物體檢測(cè)等實(shí)際問(wèn)題。那么，“相關(guān)的一系列計(jì)算”是如何進(jìn)行的呢？任務(wù)1圖像特征的提取子任務(wù)2卷積運(yùn)算一．向量的卷積兩個(gè)向量卷積的計(jì)算過(guò)程任務(wù)1圖像特征的提取子任務(wù)2卷積運(yùn)算二．矩陣的卷積兩個(gè)矩陣的卷積任務(wù)1圖像特征的提取子任務(wù)2卷積運(yùn)算二．矩陣的卷積兩個(gè)矩陣的卷積矩陣進(jìn)行卷積運(yùn)算時(shí)，需要沿著縱向和橫向兩個(gè)方向進(jìn)行滑動(dòng)任務(wù)1圖像特征的提取子任務(wù)2卷積運(yùn)算三．三階張量的卷積任務(wù)1圖像特征的提取子任務(wù)3利用卷積提取圖像特征圖像被表示為一個(gè)整數(shù)的圖像矩陣。如果用一個(gè)較小的矩陣和這個(gè)圖像矩陣做卷積運(yùn)算，得到一個(gè)新的矩陣，這個(gè)新矩陣表示了一幅新的圖像，這幅新的圖像比原圖像更清楚地表示了某些性質(zhì)，把它當(dāng)作原圖像的一個(gè)特征任務(wù)2深度神經(jīng)網(wǎng)絡(luò)的前世今生人工設(shè)計(jì)的圖像特征到深度神經(jīng)網(wǎng)絡(luò)ImageNet挑戰(zhàn)賽是計(jì)算機(jī)視覺(jué)領(lǐng)域的世界級(jí)競(jìng)賽在計(jì)算機(jī)視覺(jué)的各個(gè)領(lǐng)域深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的特征也逐漸代替了手工設(shè)計(jì)的特征，人工智能也變得更加“智能”。任務(wù)2深度神經(jīng)網(wǎng)絡(luò)的前世今生深度神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)模式區(qū)別和聯(lián)系任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)深度神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)“相關(guān)的一系列計(jì)算”，解決了“是否有翅膀”和“是否有眼睛”這樣高層次的抽象概念，獲取了圖像的特征，深度神經(jīng)網(wǎng)絡(luò)在圖像分類中得到了廣泛的應(yīng)用，下面我們一步一步學(xué)習(xí)它任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)一．卷積層卷積層的作用卷積層提取圖像特征的過(guò)程任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)二．全連接層經(jīng)過(guò)通道輸出的特征圖再轉(zhuǎn)換成特征向量，如果再需要對(duì)這個(gè)特征向量進(jìn)行變換，擔(dān)負(fù)這個(gè)轉(zhuǎn)換任務(wù)的便是全連接層。任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)三．歸一化指數(shù)層通常分類網(wǎng)絡(luò)的最后一層就是歸一化指數(shù)層，它以一個(gè)長(zhǎng)度和類別個(gè)數(shù)相等的特征向量作為輸入，然后輸出圖像屬于各個(gè)類別的概率。任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)四．非線性激活層在每個(gè)卷積層和全連接層的后面增加一個(gè)非線性激活層，這樣，每次變換的效果就得到保留非線性激活層如果以整流函數(shù)構(gòu)成，則稱為ReLU層任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)五．池化層池化層，降低特征圖的分辨率.任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)1深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)五．池化層池化層的工作過(guò)程:經(jīng)過(guò)池化后，特征圖的長(zhǎng)和寬都減少到原來(lái)的1/2，特征圖中的元素?cái)?shù)目減少到原來(lái)的1/4。任務(wù)3深度神經(jīng)網(wǎng)絡(luò)提取特征與分類子任務(wù)2深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練反向傳播算法:是訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)最有效的手段之一任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)一．YOLO算法的概念YOLO算法，其全稱是YouOnlyLookOnce:Unified,Real-TimeObjectDetection，其中YouOnlyLookOnce說(shuō)的是只需要一次CNN運(yùn)算；Unified指的是這是一個(gè)統(tǒng)一的框架，提供一個(gè)端到端方法的預(yù)測(cè)；而Real-Time體現(xiàn)是YOLO算法速度快，每秒可處理45幀。任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（一）用YOLO檢測(cè)給定圖像中對(duì)象的處理步驟1.輸入圖像任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（一）用YOLO檢測(cè)給定圖像中對(duì)象的處理步驟2.將輸入圖像劃分為網(wǎng)格形式任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（一）用YOLO檢測(cè)給定圖像中對(duì)象的處理步驟3.對(duì)每個(gè)網(wǎng)格應(yīng)用圖像分類和定位處理，獲得預(yù)測(cè)對(duì)象的邊界框及其對(duì)應(yīng)的類別概率。任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（二）對(duì)處理步驟的進(jìn)一步詳解1.建立標(biāo)記數(shù)據(jù)例1例2例3任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（二）對(duì)處理步驟的進(jìn)一步詳解2.將標(biāo)記數(shù)據(jù)傳遞給模型進(jìn)行訓(xùn)練例4：1）輸入圖像：100X100X32）使用經(jīng)典的CNN網(wǎng)絡(luò)構(gòu)建模型，并進(jìn)行模型訓(xùn)練3）在測(cè)試階段，將圖像傳遞給模型，經(jīng)過(guò)一次前向傳播就得到輸出y任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（二）對(duì)處理步驟的進(jìn)一步詳解3.確定邊界框的值任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)二．YOLO算法的運(yùn)作（二）對(duì)處理步驟的進(jìn)一步詳解4.非極大值抑制例5任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)三．識(shí)別單個(gè)網(wǎng)格中的多個(gè)對(duì)象-AnchorBoxes（錨框）任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)三．識(shí)別單個(gè)網(wǎng)格中的多個(gè)對(duì)象-AnchorBoxes（錨框）（一）使用錨框（AnchorBoxes）任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)三．識(shí)別單個(gè)網(wǎng)格中的多個(gè)對(duì)象-AnchorBoxes（錨框）（二）訓(xùn)練YOLO模型及預(yù)測(cè)1.訓(xùn)練任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)三．識(shí)別單個(gè)網(wǎng)格中的多個(gè)對(duì)象-AnchorBoxes（錨框）（二）訓(xùn)練YOLO模型及預(yù)測(cè)2.測(cè)試對(duì)于每個(gè)網(wǎng)格，模型將預(yù)測(cè)3X3X16大小的輸出。該預(yù)測(cè)中的16個(gè)值將與訓(xùn)練標(biāo)簽的格式相同。前8個(gè)值將對(duì)應(yīng)于AnchorBoxes1，其中第一個(gè)值將是該網(wǎng)絡(luò)中對(duì)象的概率，2-5的值將是該對(duì)象的邊界框坐標(biāo)，最后三個(gè)值表明對(duì)象屬于哪個(gè)類。以此類推。最后，非極大值抑制方法將應(yīng)用于預(yù)測(cè)框以獲得每個(gè)對(duì)象的單個(gè)預(yù)測(cè)結(jié)果。任務(wù)4（拓展）圖像中的目標(biāo)檢測(cè)三．識(shí)別單個(gè)網(wǎng)格中的多個(gè)對(duì)象-AnchorBoxes（錨框）（二）訓(xùn)練YOLO模型及預(yù)測(cè)3.YOLO算法遵循的確切維度和步驟1）準(zhǔn)備對(duì)應(yīng)的圖像（608,608,3）。2）將圖像傳遞給深度神經(jīng)網(wǎng)絡(luò)（CNN），該網(wǎng)絡(luò)返回（19,19,5,85）維輸出。3）輸出的最后兩個(gè)維度被展平以獲得（19,19,425）的輸出量。19×19網(wǎng)格的每個(gè)單元返回425個(gè)數(shù)字。425=5*85，其中5是每個(gè)網(wǎng)格的錨框數(shù)量。85=5+80，其中5表示（pc、bx、by、bh、bw），80是檢測(cè)的類別數(shù)。4）最后，使用IoU和非極大值抑制去除重疊框。以上就是YOLO算法的基本內(nèi)容。任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用1.訪問(wèn)/

點(diǎn)擊開(kāi)放能力-->人臉與人體識(shí)別-->人流量統(tǒng)計(jì)任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用2.點(diǎn)擊立即使用，注冊(cè)一個(gè)百度AI賬號(hào)任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用2.點(diǎn)擊立即使用，注冊(cè)一個(gè)百度AI賬號(hào)任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用3.創(chuàng)建一個(gè)用于統(tǒng)計(jì)人流量的應(yīng)用，并且獲取AppID、APIKey和SecretKey。點(diǎn)擊人體分析-->創(chuàng)建應(yīng)用。任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用4.填寫信息，選擇【個(gè)人】，點(diǎn)擊【立即創(chuàng)建】任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)一.注冊(cè)百度AI開(kāi)放平臺(tái)，創(chuàng)建一個(gè)應(yīng)用5.創(chuàng)建完成后點(diǎn)擊【管理應(yīng)用】，進(jìn)入應(yīng)用詳情頁(yè)面就可看到AppID、APIKey和SecretKey，任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)二．使用百度API對(duì)一張圖片進(jìn)行人流量檢測(cè)1.新建一個(gè)Python文件，將person_num.py中的代碼寫到其中。person_num.py：#person_num.pyimportrequestsimportbase64

'''統(tǒng)計(jì)一張圖片中的人流量'''AppID='填寫自己的AppID'API_Key='填寫自己的APIKey'Secret_Key='填寫自己的SecretKey'任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)二．使用百度API對(duì)一張圖片進(jìn)行人流量檢測(cè)2.將自己創(chuàng)建的應(yīng)用的AppID、APIKey和SecretKey。填寫入代碼中，并且填寫圖片的路徑。任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面1.創(chuàng)建一個(gè)文件夾，新建兩個(gè)Python文件，GUIcontrol.py和GUIstatistical.py任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面2.GUIstatistical.py作用：生成GUI界面的組件、布局等GUIstatistical.py：#-*-coding:utf-8-*-

#Formimplementationgeneratedfromreadinguifile'PeopleNum.ui'##Createdby:PyQt5UIcodegenerator5.13.0##WARNING!Allchangesmadeinthisfilewillbelost!任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面3.GUIcontrol.py作用：實(shí)現(xiàn)上傳文件、展示圖片和統(tǒng)計(jì)圖片中的人流量等功能GUIcontrol.py：importsysfromPyQt5.QtWidgetsimportQApplication,QMainWindow,QFileDialogfromPyQt5.QtGuiimport*fromGUIstatisticalimportUi_MainWindowimportrequestsimportbase64

classMainWindow(QMainWindow,Ui_MainWindow):任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面4.運(yùn)行GUIcontrol.py，打開(kāi)GUI界面任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面5.點(diǎn)擊【上傳圖片】選擇一張圖片，圖片格式為.jpg或.png。選擇后GUI界面會(huì)顯示圖片任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面5.點(diǎn)擊【上傳圖片】選擇一張圖片，圖片格式為.jpg或.png。選擇后GUI界面會(huì)顯示圖片任務(wù)5項(xiàng)目開(kāi)發(fā)：指定物品的檢測(cè)三．使用GUI開(kāi)發(fā)人流量檢測(cè)界面6.上傳完圖片后點(diǎn)擊【檢測(cè)圖片】，檢測(cè)完成后文本框會(huì)返回信息：檢測(cè)到圖片中人數(shù)為：N人恭喜你！已完成本項(xiàng)目學(xué)習(xí)任務(wù)。《人工智能應(yīng)用基礎(chǔ)》

項(xiàng)目四語(yǔ)音識(shí)別：實(shí)時(shí)記錄員任務(wù)描述

張先生您好：請(qǐng)問(wèn)需要什么幫助？文字轉(zhuǎn)語(yǔ)音

錄音北京明天的天氣怎么樣？識(shí)別北京明天是晴天，最高氣溫28度，適合郊游。合成問(wèn)答播放

理解語(yǔ)音的預(yù)處理理解語(yǔ)音的特征提取學(xué)習(xí)目標(biāo)重難點(diǎn)重點(diǎn):（1）語(yǔ)音識(shí)別的概念及應(yīng)用（2）語(yǔ)音合成的概念及應(yīng)用（3）語(yǔ)音處理實(shí)踐難點(diǎn):（1）語(yǔ)音處理的概念（2）語(yǔ)音的特征提取1.了解語(yǔ)音識(shí)別技術(shù)的發(fā)展理解語(yǔ)音識(shí)別的概念及一般流程5．能進(jìn)行語(yǔ)音合成應(yīng)用語(yǔ)音處理技術(shù)應(yīng)用框架4.1語(yǔ)音處理的概念4.2語(yǔ)音識(shí)別及應(yīng)用4.3語(yǔ)音合成及應(yīng)用4.1語(yǔ)音處理的概念4.1.1語(yǔ)音處理的概念

語(yǔ)音處理(speechsignalprocessing)是研究語(yǔ)音發(fā)聲過(guò)程、語(yǔ)音信號(hào)的統(tǒng)計(jì)特性、語(yǔ)音的自動(dòng)識(shí)別、機(jī)器合成以及語(yǔ)音感知等各種處理技術(shù)的總稱。

由于現(xiàn)代的進(jìn)音處理技術(shù)都以數(shù)字計(jì)算為基礎(chǔ)，并借助微處理器、信號(hào)處理器或通用計(jì)算機(jī)加以實(shí)現(xiàn)，因此也稱數(shù)字語(yǔ)音信號(hào)處理。4.1語(yǔ)音處理的概念4.1.1語(yǔ)音處理的概念

語(yǔ)音處理主要包括語(yǔ)音識(shí)別、語(yǔ)音合成兩個(gè)部分。

語(yǔ)音識(shí)別，是把語(yǔ)音轉(zhuǎn)化為文字，并對(duì)其進(jìn)行識(shí)別、認(rèn)知和處理。

語(yǔ)音合成，是指通過(guò)機(jī)械的、電子的方法產(chǎn)生人造語(yǔ)音的技術(shù)。

一個(gè)完整的語(yǔ)音處理系統(tǒng)，包括前端的信號(hào)處理、中間的語(yǔ)音語(yǔ)義識(shí)別和對(duì)話管理以及后期的語(yǔ)音合成。語(yǔ)音處理中的主要技術(shù)點(diǎn)包括：前端處理：說(shuō)話人聲檢測(cè)，回聲消除，喚醒詞識(shí)別，麥克風(fēng)陣列處理，語(yǔ)音增強(qiáng)等。語(yǔ)音識(shí)別：特征提取，模型自適應(yīng)，聲學(xué)模型，語(yǔ)言模型，動(dòng)態(tài)解碼等。語(yǔ)義識(shí)別和對(duì)話管理：更多屬于自然語(yǔ)言處理的范疇。語(yǔ)音合成：文本分析、語(yǔ)言學(xué)分析、音長(zhǎng)估算、發(fā)音參數(shù)估計(jì)等4.1語(yǔ)音處理的概念語(yǔ)音識(shí)別語(yǔ)義理解對(duì)話管理語(yǔ)音喚醒聲紋識(shí)別4.1.2語(yǔ)音處理的流程小兔你好大白你好語(yǔ)音合成4.1語(yǔ)音處理的概念4.1.2語(yǔ)音處理的流程語(yǔ)音識(shí)別過(guò)程

語(yǔ)音合成過(guò)程4.1語(yǔ)音處理的概念4.2語(yǔ)音識(shí)別及應(yīng)用4.3語(yǔ)音合成及應(yīng)用4.2語(yǔ)音識(shí)別4.2.1語(yǔ)音識(shí)別的概念輸入語(yǔ)音

語(yǔ)音前處理有效語(yǔ)言檢測(cè)接口層特征提取語(yǔ)音識(shí)別聲學(xué)模型語(yǔ)言模型識(shí)別結(jié)果文本訓(xùn)練集數(shù)據(jù)清洗和正規(guī)化模型訓(xùn)練和優(yōu)化語(yǔ)言模型訓(xùn)練數(shù)據(jù)預(yù)處理語(yǔ)音訓(xùn)練集聲學(xué)模型訓(xùn)練4.2語(yǔ)音識(shí)別4.2.1語(yǔ)音識(shí)別的概述百度語(yǔ)音識(shí)別技術(shù)每年迭代算法模型/article/201611/245559.html4.2語(yǔ)音識(shí)別4.2.1語(yǔ)音識(shí)別的概述Google的語(yǔ)音合成系統(tǒng)WaveNet：示意圖/p/8599090/4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：過(guò)程4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：輸入語(yǔ)音語(yǔ)音編碼語(yǔ)音質(zhì)量16K16bit、8K16bit、Speex壓縮避免丟音、截幅、音量過(guò)小等理想音頻丟音截幅音量過(guò)低4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：聲學(xué)匹配聲學(xué)一致性：待識(shí)別語(yǔ)音和訓(xùn)練語(yǔ)音具有一致性聲學(xué)模型訓(xùn)練數(shù)據(jù)預(yù)處理（NoiseRobust）語(yǔ)音訓(xùn)練集聲學(xué)模型遠(yuǎn)場(chǎng)近場(chǎng)設(shè)備降噪用戶口音4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：文匹配本文本一致性:待識(shí)別領(lǐng)域和訓(xùn)練文本具有一致性語(yǔ)言模型語(yǔ)言模型訓(xùn)練數(shù)據(jù)清洗和正規(guī)化模型訓(xùn)練和優(yōu)化文本訓(xùn)練集領(lǐng)域數(shù)據(jù)核心詞匯“請(qǐng)問(wèn)岳父怎么樣？”“請(qǐng)問(wèn)月付怎么樣？”4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：迭代優(yōu)化輸入語(yǔ)音

語(yǔ)音前處理有效語(yǔ)言檢測(cè)接口層特征提取語(yǔ)音識(shí)別聲學(xué)模型語(yǔ)言模型識(shí)別結(jié)果文本訓(xùn)練集數(shù)據(jù)清洗和正規(guī)化模型訓(xùn)練和優(yōu)化語(yǔ)言模型訓(xùn)練數(shù)據(jù)預(yù)處理語(yǔ)音訓(xùn)練集聲學(xué)模型訓(xùn)練4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：應(yīng)用場(chǎng)景社交聊天社交聊天發(fā)送實(shí)時(shí)語(yǔ)音，支持中文，英文識(shí)別，方言支持粵語(yǔ)，四川話。讓溝通交流更加準(zhǔn)確合作案例：游戲娛樂(lè)語(yǔ)音聊天轉(zhuǎn)文字，讓用戶在操作的同時(shí)也可看到聊天內(nèi)容合作案例：語(yǔ)音輸入法擺脫生僻字和拼音障礙，將所輸入文字，直接用語(yǔ)音的方式輸入，讓輸入法更加便捷合作案例：

語(yǔ)音搜索搜索內(nèi)容直接以語(yǔ)音的方式輸入，讓搜索更加高效合作案例：4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：?jiǎn)拘言~“小度小度”“有什么可以幫您”語(yǔ)音識(shí)別（ASR）Service語(yǔ)義理解（NLP）識(shí)別文本語(yǔ)音喚醒（Wakeup）4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：?jiǎn)拘言~特征提取關(guān)鍵詞識(shí)別聲學(xué)模型庫(kù)>閾值？得分接受拒絕錯(cuò)誤拒絕率(FRR)錯(cuò)誤接受率(FAR)功耗4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：?jiǎn)拘言~喚醒詞環(huán)境設(shè)備簡(jiǎn)單易記日常少用易于喚醒（百度語(yǔ)音云，上傳喚醒詞評(píng)估）遠(yuǎn)場(chǎng)近場(chǎng)背景噪聲聲學(xué)信息功耗設(shè)計(jì)4.2語(yǔ)音識(shí)別4.2.2語(yǔ)音識(shí)別的應(yīng)用：聲紋識(shí)別“小度小度，給我來(lái)首歌”“馬上播放小兔子乖乖”語(yǔ)音識(shí)別（ASR）Service語(yǔ)義理解（NLP）識(shí)別文本語(yǔ)音喚醒（Wakeup）聲紋確認(rèn)（VoicePrint）4.1語(yǔ)音處理的概念4.2語(yǔ)音識(shí)別及應(yīng)用4.3語(yǔ)音合成及應(yīng)用4.3語(yǔ)音合成及應(yīng)用語(yǔ)音識(shí)別語(yǔ)義理解對(duì)話管理語(yǔ)音合成語(yǔ)音喚醒聲紋識(shí)別小兔你好大白你也好4.3.1語(yǔ)音合成的概念4.3語(yǔ)音合成及應(yīng)用4.3.1語(yǔ)音合成的概念文本分析（文本正則、分詞、詞性標(biāo)注、注音）韻律停頓預(yù)測(cè)聲學(xué)參數(shù)預(yù)測(cè)單元選擇聲碼器在線合成（拼接）離線合成（參數(shù)）音庫(kù)4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：出行功能:通過(guò)語(yǔ)音指令，解放雙手，進(jìn)行語(yǔ)音的識(shí)別，聽(tīng)懂車主用戶是需求。案例:途勝響應(yīng)高頻需求5.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用:酒店功能:運(yùn)用語(yǔ)音識(shí)別，通過(guò)語(yǔ)音交互，進(jìn)行酒店預(yù)訂服務(wù)。案例:說(shuō)出酒店需求，去哪兒即可調(diào)取信息4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：智能家居功能:通過(guò)語(yǔ)音“說(shuō)出”用戶的需求，智能家居就能識(shí)別，執(zhí)行。案例:智能電視系統(tǒng)，直接根據(jù)語(yǔ)音操作4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：娛樂(lè)功能:通過(guò)語(yǔ)音識(shí)別，調(diào)動(dòng)視頻應(yīng)用的程序，進(jìn)行操作。案例:愛(ài)奇藝搜索系統(tǒng)合作用戶App語(yǔ)音輸入App調(diào)用搜索云端接口SDK把文本傳給AppApp調(diào)用百度SDK搜索云服務(wù)用戶意圖判斷圖譜服務(wù)搜索服務(wù)云服務(wù)返回結(jié)果給AppApp進(jìn)行展現(xiàn)4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：機(jī)器人功能:機(jī)器人的語(yǔ)音合成交互形式，與用戶對(duì)話，響應(yīng)用戶需求。案例:度秘機(jī)器人應(yīng)用，解說(shuō)體育賽事4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：手機(jī)助手功能:通過(guò)語(yǔ)音喚醒，一聲指令，即可讓應(yīng)用進(jìn)入工作狀態(tài)。案例:手機(jī)廠商集成語(yǔ)音智能服務(wù)，高速響應(yīng)4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：文化功能:通過(guò)語(yǔ)音合成，文字轉(zhuǎn)換成語(yǔ)音。案例:讀者農(nóng)家數(shù)字書屋項(xiàng)目，解放雙手，用耳朵獲取知識(shí)4.3語(yǔ)音合成及應(yīng)用4.3.2語(yǔ)音合成的應(yīng)用：機(jī)器人功能:機(jī)器人的語(yǔ)音合成交互形式，與用戶對(duì)話，響應(yīng)用戶需求。案例:度秘機(jī)器人應(yīng)用，解說(shuō)體育賽事

4.4提取語(yǔ)音特征功能:機(jī)器人的語(yǔ)音合成交互形式，與用戶對(duì)話，響應(yīng)用戶需求。案例:度秘機(jī)器人應(yīng)用，解說(shuō)體育賽事任務(wù)描述

張先生您好：請(qǐng)問(wèn)需要什么幫助？文字轉(zhuǎn)語(yǔ)音張先生您好：請(qǐng)問(wèn)需要什么幫助？文字轉(zhuǎn)語(yǔ)音《人工智能應(yīng)用基礎(chǔ)》

項(xiàng)目五：你的評(píng)論表達(dá)你的喜好任務(wù)描述

☆

文本情感分析輸入一段客戶評(píng)價(jià)文字，對(duì)文字進(jìn)行分析，了解客戶滿意度知識(shí)目標(biāo)素質(zhì)目標(biāo)（1）培養(yǎng)學(xué)生吃苦耐勞的品質(zhì)（2）培養(yǎng)學(xué)生團(tuán)隊(duì)協(xié)作、互相幫助的精神（3）提高學(xué)生全面、系統(tǒng)考慮問(wèn)題的意識(shí)。1.了解文本分析的基本流程了解分詞、詞向量的概念和作用理解文本分類的應(yīng)用能力目標(biāo)認(rèn)識(shí)中文分詞的過(guò)程掌握詞向量的表示方法掌握使用深度學(xué)習(xí)進(jìn)行文本分類的方法5.1了解中文分詞

5.2理解文本表示5.3了解文本分類模型5.4應(yīng)用5.1了解中文分詞為什么需要中文分詞？自然語(yǔ)言人工語(yǔ)言人類社會(huì)約定俗成程序設(shè)計(jì)語(yǔ)言/機(jī)器語(yǔ)言漢語(yǔ)，英語(yǔ)等C++，Java，Python等簡(jiǎn)潔長(zhǎng)度和規(guī)則上都會(huì)有一定的冗余含糊、歧義無(wú)二義性如果李春來(lái)到了無(wú)錫，我請(qǐng)他吃飯。5.1了解中文分詞分詞：WordSegmentation在自然語(yǔ)言處理中，英文文本具有天然的空格作為區(qū)分，但是中文沒(méi)有明顯的分隔符，因此需要對(duì)中文進(jìn)行分詞。單詞是語(yǔ)義的基本單位，句子和文檔都由大量單詞構(gòu)成。中文分詞指將中文語(yǔ)句切分成一個(gè)個(gè)單獨(dú)的詞語(yǔ)。即將連續(xù)的自然語(yǔ)言文本，切分成具有語(yǔ)義合理性和完整性的詞匯序列。5.1了解中文分詞分詞：WordSegmentation5.1了解中文分詞常用的分詞工具現(xiàn)有的分詞方法可分為三大類：基于字符串匹配的分詞方法；基于理解的分詞方法；基于統(tǒng)計(jì)的分詞方法。5.1了解中文分詞常用的分詞工具jieba分詞：支持三種模式：（1）精確模式：試圖將句子最精確地切開(kāi)，適合文本分析；（2）全模式：把句子中所有的可以成詞的詞語(yǔ)都掃描出來(lái),速度非?？?，但是不能解決歧義；（3）搜索引擎模式：在精確模式