Python计算机视觉和自然语言处理

前　言

本书首先介绍机器人背后的理论；然后介绍机器人开发的不同方法，以及计算机视觉的相关算法及其局限性；接下来介绍如何使用自然语言处理命令来控制机器人。本书还会介绍Word2Vec和GloVe这两种词嵌入技术、非数值数据、循环神经网络（RNN），以及基于RNN的先进模型；介绍如何使用Keras创建简单的Word2Vec模型，如何构建卷积神经网络（CNN），以及如何通过数据增强和迁移学习来进行模型优化。本书还会简单介绍机器人操作系统（ROS），带领读者构建用来管理机器人的对话代理，并将其集成在ROS中，实现将图像转换为文本和将文本转换为语音的功能。最后，本书将介绍如何利用一段视频来构建物体识别系统。

阅读完本书之后，读者将拥有足够的技能来构建一个环境信息提取应用，并可以将其集成在ROS中。

学习目标

• 探索ROS并构建一个基础的机器人系统。
• 利用自然语言处理（NLP）技术识别对话意图。
• 学习并使用基于Word2Vec和GloVe的词嵌入。
• 使用深度学习实现人工智能（AI）和物体识别。
• 利用CNN开发一个简单的物体识别系统。
• 通过在ROS中集成AI来赋予机器人识别物体的能力。

目标读者

本书适合想学习如何结合计算机视觉和深度学习技术来创建完整机器人系统的机器人工程师阅读。阅读本书时，如果读者在Python和深度学习方面有一定基础，那么会更利于理解本书中的内容；如果读者拥有构建ROS的经验，则是锦上添花。

本书概述

本书立足实践，帮助读者掌握足够的工具来创建集成计算机视觉和NLP的机器人控制系统。本书分为3个部分：NLP、计算机视觉和机器人学。本书先介绍详细的基础知识，然后再探讨高级问题。本书还涵盖一些实践项目，供读者在对应情境下实践并应用所掌握的新技能。

最低硬件需求

为保证最佳学习体验，本书推荐计算机的硬件配置如下。 ...