目次

★目次

☆第1部　ディープ・ラーニングでラズパイ人工知能を作る

●イントロダクション　グーグルが大サービス!手のひら人工知能が自宅で作れる時代

◎ビギナから使える世界トップのAIライブラリON!
●第1章　ラズパイからOK!Google人工知能で広がる世界
GoogleはAIのトップランナー
そんなGoogleが提供するオープンソースAIライブラリTensorFlow
動作環境
個人で試せる
広がる世界!こんな装置が作れるかも

◎オープンソースで初心者も独学OK!
●Appendix1　Googleの人工知能ライブラリTensorFlowを勧める理由

◎試せるぼくらの小規模スマート農業!?
●第2章　ラズパイ×Google人工知能…キュウリ自動選別コンピュータ
人工知能(ディープ・ラーニング)に注目したきっかけ
ハードウェア
ソフトウェア

◎AIの定番言語Python から無料で使える
●Appendix2　Google人工知能ライブラリTensorFlowの正体
位置づけ
用意されているAPI
コラム　TensorFlowでもよく出てくる…ディープ・ラーニングがスゴイ理由

◎Googleを使った学習&判定プログラムをラズパイにONする手順
●第3章　人工知能キュウリ・コンピュータを動かしてみる
製作したキュウリ自動選別コンピュータ
Googleの人工知能を体験
コラム　ラズパイへのTensorFlowのインストール方法

◎ターゲット「キュウリ」選別に適したデータ&アルゴリズムの検討
●第4章　ステップ1…設計方針を決める
決めること1…キュウリのどこを見るのか
決めること2…人工知能に学習&判定させる画像
決めること3…学習用データ
決めること4…使用する人工知能アルゴリズム
決めること5…自動選別コンピュータの正解率
コラム　画像判定は人工知能任せが今風

◎話題の人工知能アルゴリズム「ディープ・ラーニング」初体験
●第5章　ステップ2…キュウリ・データの学習
準備1…撮影台の作成
準備2…TensorFlowライブラリのインストール
準備3…学習用データの作成
準備4…学習用プログラム
学習を行う
学習時間短縮のためのくふう
学習の終了条件

◎最初はPCで試すと便利
●第6章　ステップ3…人工知能キュウリ判定

◎ほこりや土が舞う環境でも組み込んでしまえば安心
●第7章　ステップ4…キュウリ用人工知能をラズパイで動かす
ラズパイで動かす準備
まずは動かす
判定処理高速化の改良1…キュウリあり/なし判定を追加
判定処理の高速化の改良2…クラウドGPUサービスを試してみる

☆第2部　軽くて高速なラズパイ人工知能を作る

◎ローカルな専用デバイスが最高!
●第1章　ラズベリー・パイ×人工知能で広がる世界
人工知能で広がる世界
ラズベリー・パイのような小型コンピュータでMy人工知能を実現する方法
ラズベリー・パイで人工知能のアイデア
コラム　ここでの「人工知能」について

◎機械学習による高精度認識でレベルアップ!
●第2章　ラズパイ×人工知能…サカナ観察&飼育コンピュータ
実験すること
システム構成&機能
ラズパイ人工知能コンピュータを使う理由

◎オープンソース・ライブラリで機械学習アルゴリズム入門
●第3章　方式1：ディープ・ラーニング×ラズパイ
人工知能アルゴリズム…機械学習入門
注目アルゴリズム「ディープ・ラーニング」
ラズパイでディープ・ラーニングを動かしてみる
考察

◎オープンソースLIBSVMライブラリでリアルタイム人工知能
●第4章　方式2：計算量が少なくて高性能なサポート・ベクタ・マシン
計算量が少なくて強力なアルゴリズム…サポート・ベクタ・マシン
学習&判定のメカニズム
自作ソフトでSVMを使うならオープンソースLIBSVMライブラリ
オープンソースLIBSVMライブラリの使い方

◎一番たいへんな学習データベースの作り方からラズパイ1・2・3 認識テストまで
●第5章　ターゲット魚「ナベカ」の学習と認識
機械学習で避けて通れない…学習用データの準備
ステップ1：学習用画像の撮影
ステップ2：撮影した画像に学習用のラベルを付ける
ステップ3：ラベルから学習用データを作成する
ナベカ画像特徴量の抽出処理
コラム1　学習データを増やすテクニック「データ・オーギュメンテーション」
実験1：基本LIBSVMライブラリを使ったナベカ認識
コラム2　アバウトに境界を引くソフト・マージン設定と生真面目に境界を引くハード・マージン設定
実験2：高速LIBLINEARライブラリを使ったナベカ認識

◎高精度×高速な画像認識でリアルタイムえさやり
●第6章　ラズパイ人工知能による自動飼育への挑戦
ハードウェア構成
ソフトウェア構成
実験!・高精度&高速リアルタイム画像認識による自動エサやり

◎人工知能だけに飼育を任せるのは一抹の不安がある
●Appendix1　リモート・マニュアルえさやり機能の追加
コラム　定番画像処理ライブラリOpenCVで日本語描画


◎画像に人工知能…処理性能が高くて困ることなし
●Appendix2　ラズパイ性能をMax引き出す…高速表示ライブラリ&禁断クロックUP
性能をMax引き出す方法1：フレーム・バッファを直接たたく高速SDL表示ライブラリ
性能をMax引き出す方法2：禁断の裏ワザ…オーバクロック設定

☆第3部　人工知能を作るためのソフトウェア

●第1章　人工知能ソフト事典

◎定番も最新も対応
●第2章　Pythonで使える人工知能ライブラリ

◎ゴッホ・タッチAI画伯に挑戦
●第3章　ディープ・ラーニングが試せるクラウドAPI&統計ライブラリ
ディープ・ラーニングが身近になった一因…クラウドの発達
方法1：クラウドAPIで試すディープ・ラーニング
方法2：ローカルPCにもってきた統計的学習フレームワークで試すディープ・ラーニング

◎TensorFlowにCaffe，Chainerとプラス・アルファ
●第4章　3大人工知能ライブラリ
Googleの中の人も使っているTensorFlow
画像処理では事実上の業界標準Caffe
時系列パターンの扱いも得意なChainer
コードの書き方が初心者に分かりやすいKeras
数値演算や関数微分の機能を提供するTheano

◎専門用語&英語が苦手な人のために
●Appendix1　TensorFlow公式ページの歩き方ガイド
公式サイトの構成

◎人工知能をバンバン試すために
●Appendix2　定番「文字認識」の楽ちん体験アプリ

◎ネットから入手できる画像データセットで試す
●第5章　TensorFlowでちょっと本格的なAI顔認識
概要
ステップ1…顔画像取得
ステップ2…画像の前処理
ステップ3…学習環境の構築
コラム　必須アイテムの紹介…ニューラル・ネットワークの学習状況可視化ソフト
ステップ4…学習の実行
ステップ5…判定

◎話題アルゴリズムの理屈を簡単にまとめておく
●Appendix3　「ディープ・ラーニング」アルゴリズムあんちょこ
予習…機械学習とは
誕生まで
本格的に理解するのは大変だけど…仕組みに迫る

☆第4部　ラズパイ×クラウドで人工知能を作る

◎無償や100円レベルで始められるクラウド大集合
●第1章　グーグル/アマゾン/マイクロソフト/IBMのクラウド&人工知能
人工知能が動かせるコンピュータ

◎手ぶらで俺的AIライフ・ロガーを作る
●第2章　ラズパイ×カメラでクラウドAI初体験
ラズパイ×カメラ×クラウドAPIで作る「俺的AI日記コンピュータ」
環境構築
プログラムの実行
プログラム解説

◎画像ディープ・ラーニングの学習はクラウドが良し
●第3章　顔写真から血液型を当てるラズパイ人工知能に挑戦
装置の全体像
装置構成
学習処理を加速するクラウド・サービスを利用
ステップ1…学習データを準備
ステップ2…学習データの学習
ステップ3…正解率を高める工夫
学習のためのプログラム
ステップ4…ラズベリー・パイによる血液型判定
判定のためのプログラム

◎アマゾンAWSが用意している強力サービス
●Appendix1　あのNVIDIAがなんと数百円…クラウドGPUのススメ

◎クラウドNVIDIAと国産定番AIライブラリChainerを試す
●Appendix2　数百円のGPU人工知能スタートアップ
クラウド上にハードウェア環境を構築
ディープ・ラーニング環境の構築
料金
クラウドGPUの処理情報を体験する

◎タダで使えるクラウドAPIを活用する
●第4章　クラウド型ラズパイAIで音解析
異音判定に人工知能を用いる理由
準備するもの
ステップ1…機械学習のための前処理
ステップ2…統計的学習フレームワークを利用し学習モデルを作る
ステップ3…判定処理用訓練済みモデルの作成と公開
ステップ4…ラズベリー・パイから異音検知Web APIを利用
ステップ5…異音検知の結果をパソコンから見られるようにする

◎面接触センサからあいまいな「たたく/なでる/震える/押す」を読み取る
●Appendix3　ArduinoでAI生体センシングの研究
基礎知識…自己組織化マップ
ハードウェア
ソフト
自己組織化マップのデータ解析手順
実際に面接触センサのデータを計測し自己組織化マップで分類してみる
コラム　自己組織化マップのアルゴリズム

☆第5部　手のひらGPUボードで人工知能を作る

◎NVIDIAの組み込み向けデバイス
●第1章　処理性能1TFLOPSの名刺サイズGPUスパコンJetson TX
最新AIもぶん回せる!Jetsonプラットホーム
Tegra X1プロセッサの特徴
Jetson TX1モジュール
開発環境
GPU×ディープ・ラーニングで広がる世界
Jetson TX1によるディープ・ラーニングの実現
コラム　ディープ・ラーニングの学習処理と推論処理

◎カメラで撮影した状態をテキストで教えてくれる
●第2章　携帯型GPUスパコンで作るAI画像認識の音声ガイド
作るもの
ハードウェアの準備
ソフトウェアの準備
実験1…机上動作
実験2…屋外動作
実験3…静止画の認識
動作の検証
改良のアイデア
コラム　ディープ・ラーニング組み込みアプリケーションの開発サイクル