內容大鋼
本書以邊緣計算與視覺設計技術為主題，從邊緣計算概述入手，逐步深入講解邊緣計算硬體平台、基於AiCam邊緣計算開發基礎、智能視覺技術概述、深度學習智能視覺模型、邊緣計算模型的加速技術、AiCam智能視覺應用技術和AiCam邊緣計算應用技術，並介紹了邊緣計算領域相關知識。
本書首先從邊緣計算的定義、背景、重要性到發展趨勢，全方位展現邊緣計算在當前及未來技術生態中的關鍵地位；隨後深入探討邊緣計算中的核心硬體平台，重點介紹樹莓派和Nvidia Jetson嵌入式計算系統；還介紹了邊緣端部署的輕量化應用框架AiCam。另外，本書向讀者展示了全面、細緻的智能視覺技術，並深入探討了深度學習在智能視覺領域的重要模型及邊緣計算模型的加速技術。最後，本書基於AiCam框架的OpenCV智能視覺技術應用，並結合門禁、安防、停車的應用場景展開基於AiCam邊緣計算應用項目開發。
本書內容豐富、深入淺出，適合人工智慧邊緣計算與視覺設計技術的學習者和相關人員閱讀。
目錄
前言
第1章 邊緣計算概述
1.1 從GPU計算到嵌入式計算
1.1.1 GPU計算
1.1.2 GPU嵌入式設備介紹
1.2 走進邊緣計算
1.2.1 邊緣計算的概念
1.2.2 邊緣計算的發展階段
1.2.3 邊緣計算的特點與優勢
1.3 Ubuntu系統
1.3.1 Ubuntu系統概述
1.3.2 Ubuntu系統安裝
1.4 機器人操作系統
1.4.1 ROS的基本概念和特點
1.4.2 ROS的架構和設計
1.4.3 ROS的版本和發展
1.4.4 ROS的應用
單元測試
第2章 邊緣計算硬體平台
2.1 樹莓派嵌入式計算平台
2.1.1 樹莓派硬體介紹
2.1.2 樹莓派在邊緣計算中的應用案例
2.2 VMware虛擬機
2.2.1 VMware虛擬機的特點
2.2.2 虛擬機的Ubuntu系統安裝與配置
2.3 Ubuntu開發環境的安裝與配置
2.3.1 Miniconda安裝
2.3.2 Conda安裝虛擬環境
2.3.3 PyTorch安裝
2.3.4 PyCharm安裝與使用
2.4 NVIDIA Jetson嵌入式計算平台
2.4.1 系列產品介紹
2.4.2 GPIO硬體資源介紹
2.4.3 RGB LED燈實驗
2.4.4 有源蜂鳴器實驗
2.4.5 全彩LED燈實驗
2.4.6 輕觸按鍵實驗
2.4.7 OLED顯示實驗
單元測試
第3章 基於AiCam邊緣計算開發基礎
3.1 AiCam邊緣框架認知
3.1.1 AiCam框架結構
3.1.2 開發平台的介紹
3.1.3 開發工具的使用
3.1.4 應用案例
3.2 基於AiCam邊緣演算法開發
3.2.1 邊緣智能演算法類與方法
3.2.2 基於實時推理介面調用開發
3.2.3 基於單次推理介面調用開發
3.3 基於AiCam邊緣計算模型開發
3.3.1 邊緣智能模型的訓練
3.3.2 邊緣智能模型的推理
3.3.3 模型介面開發
3.3.4 邊緣模型演算法開發
單元測試
第4章 智能視覺技術概述
4.1 目標檢測技術
4.1.1 定義與概述
4.1.2 主流演算法
4.1.3 挑戰與發展
4.2 人體姿勢識別技術
4.2.1 定義與概述
4.2.2 主流演算法
4.2.3 挑戰與發展
4.3 圖像分割技術
4.3.1 定義與概述
4.3.2 主流演算法
4.3.3 挑戰與發展
4.4 圖像分類技術
4.4.1 定義與概述
4.4.2 主流演算法
4.4.3 挑戰與發展
4.5 人臉識別技術
4.5.1 定義與概述
4.5.2 主流演算法
4.5.3 挑戰與發展
4.6 車牌識別技術
4.6.1 定義與概述
4.6.2 主流演算法
4.6.3 挑戰與發展
4.7 目標追蹤技術
4.7.1 定義與概述
4.7.2 主流演算法
4.7.3 挑戰與發展
單元測試
第5章 深度學習智能視覺模型
5.1 FSRCNN圖像超解析度重建模型
5.1.1 FSRCNN模型架構詳解
5.1.2 FSRCNN模型實現
5.1.3 FSRCNN模型訓練環境要求
5.1.4 FSRCNN模型訓練
5.1.5 模型在邊緣設備上的部署
5.2 MobileNet圖像分類模型
5.2.1 MobileNetV3模型架構解析
5.2.2 MobileNet模型實現
5.2.3 MobileNet模型訓練環境要求
5.2.4 MobileNet模型訓練
5.2.5 模型在邊緣設備上的部署
5.3 YOLO目標檢測模型
5.3.1 YOLO演算法原理介紹
5.3.2 YOLO模型版本演進（v1?v8）
5.3.3 YOLO模型訓練數據標注
5.3.4 數據集擴展
5.3.5 YOLO模型訓練
5.3.6 YOLO模型在邊緣設備上的推理
單元測試
第6章 邊緣計算模型的加速技術
6.1 TensorRT簡介
6.1.1 TensorRT概述
6.1.2 TensorRT的工作原理
6.2 Jetson TX2安裝YOLOv8
6.2.1 Jetpack的檢查與升級
6.2.2 創建Conda環境
6.2.3 安裝PyTorch
6.2.4 配置TensorRT Pybind
6.3 TensorRT Engine構建
6.4 TensorRT部署
6.4.1 TensorRT Engine載入及推理
6.4.2 TensorRT推理代碼
單元測試
第7章 AiCam智能視覺應用技術
7.1 OpenCV電腦視覺基礎
7.1.1 OpenCV簡介
7.1.2 OpenCV安裝
7.1.3 OpenCV示例
7.2 圖像基礎演算法
7.2.1 圖像採集與圖像標記
7.2.2 圖像轉換與圖像變換
7.2.3 圖像邊緣檢測
7.3 圖像基礎應用
7.3.1 顏色與形狀識別
7.3.2 數字與二維碼識別
7.3.3 人臉檢測與人臉關鍵點
7.3.4 人臉識別與目標追蹤
7.4 深度學習應用
7.4.1 人臉檢測
7.4.2 人臉識別
7.4.3 手勢識別
單元測試
第8章 AiCam邊緣計算應用技術
8.1 智慧門禁系統應用開發
8.1.1 系統分析與功能設計
8.1.2 開發流程與演算法交互
8.1.3 結果與應用驗證
8.2 智慧安防系統應用開發
8.2.1 系統分析與功能設計
8.2.2 開發流程與演算法交互
8.2.3 結果與應用驗證
8.3 智慧停車系統應用開發
8.3.1 系統分析與功能設計
8.3.2 開發流程與演算法交互
8.3.3 結果與應用驗證
8.4 流感防疫監測系統應用開發
8.4.1 系
[