平時照顧好健康 病了就要好好看醫生吃藥論文書籍站
YOLO 即時影像的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和懶人包總整理
YOLO 即時影像的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦陳會安寫的 Raspberry Pi 樹莓派：Python x AI 超應用聖經 和（西班牙）大衛·米蘭·艾斯克里瓦的 OpenCV 4電腦視覺項目實戰（原書第2版）都 可以從中找到所需的評價。
這兩本書分別來自旗標 和機械工業出版社所出版 。
華夏科技大學 智慧型機器人研究所 蘇秋紅所指導 費聿謙的 臉部辨識技術應用於門禁及廠務管理之研究 （2021），提出YOLO 即時影像關鍵因素是什麼，來自於類神經網路、人臉辨識技術。
而第二篇論文國立臺灣大學 工程科學及海洋工程學研究所 陳琪芳所指導 錢定遠的 智能無人機之鯨豚偵測追蹤技術研究 （2021），提出因為有 無人機、無人載具、中華白海豚、即時影像偵測、YOLO v4、深度神經網路的重點而找出了 YOLO 即時影像的解答。
Raspberry Pi 樹莓派：Python x AI 超應用聖經
為了解決YOLO 即時影像 的問題，作者陳會安 這樣論述：
『Raspberry Pi 樹莓派』是一款信用卡大小的單板迷你電腦，於全球賣出超過四千萬片，麻雀雖小但五臟俱全，其強大功能讓你能建置各種軟硬體整合的實務應用，涵蓋創客、物聯網 (IoT) 與 AI 領域。 本書從了解和購買 Raspberry Pi 開始，一步步說明如何安裝 Raspberry Pi OS 作業系統與設定，而且不需額外的顯示器、滑鼠和鍵盤就可以從你的 Windows 電腦遠端連線控制它。接著，本書將帶讀者了解 Linux 系統及 Python 語言入門，替後面的豐富應用鋪好路：你能用 MicroPython 語言控制 Pico 開發板，用 Node
-RED 打造 IoT 儀表板，或者使用 TensorFlow Lite 實現即時的物體影像辨識、打造能偵測道路的自駕車系統等等。 從一片小小的單板電腦，玩翻物聯網與人工智慧、實際應用 Raspberry Pi 學習軟硬體整合的 Python 程式設計，你便能在掌心解鎖潛力無限的智慧未來！ 本書特色 ★ 樹莓派 3／樹莓派 4 適用 ★ 從零學 Linux 系統與 Python 基礎 ★ 架設 PHP、FTP 及 Webcam 網路串流伺服器 ★ 用 Python/MicroPython 控制 Arduino Uno 以及樹莓派 Pico 開發板 ★ 以 Ope
nCV 電腦視覺搭配攝影機實現人臉、手勢、物體 AI 辨識 ★ 活用 TensorFlow Lite、MediaPipe、CVZone、YOLO 等熱門套件 ★ 透過 Node-RED 打造物聯網儀表板並連結 TensorFlow.js 手勢辨識 ★ 打造你的 AIoT 及自駕車智慧系統，體驗用深度學習模型偵測道路和號誌、行人
臉部辨識技術應用於門禁及廠務管理之研究
為了解決YOLO 即時影像 的問題，作者費聿謙 這樣論述：
誌 謝 i摘 要 iiAbstract iii目 錄 iv表索引 vi圖索引 vii第1章 前言 11.1 研究背景與動機 11.2 研究方法與目的 31.3 研究流程 31.4 研究架構 7第2章 文獻探討 82.1 生物特徵辨識技術 82.1.1 生物特徵辨識技術的特點 82.1.2 生物特徵辨識技術的種類 92.2 人臉辨識技術 102.2.1 人臉辨識的辨識流程 112.2.2 人臉身份辨識的辨識步驟 122.3 自適應增強 142.4 類神經網路 152.4.1 類神經網路的基本架構 162.4.1.1
類神經網路之處理單元 162.4.1.2 類神經網路之層 182.4.1.3 類神經網路之網路 20第3章 研究方法 213.1 PYTHON 233.2 PYTHON IDE 253.3 ADABOOST演算法流程 263.4 類神經網路演算法流程 303.5 資料庫 32第4章 實驗流程 344.1 實驗環境 344.2 影像資料來源 344.3 環境建置 364.3.1 ANACONDA軟體安裝 364.3.2 PYTHON程式安裝 494.3.3 JUPYTER程式 544.3.4 MYSQL資料庫安裝 58第5章 實
驗結果 685.1 人臉偵測 685.1.1 即時影像之人臉偵測 685.1.2 照片影像之人臉偵測 715.2 人臉之特徵點擷取 735.3 即時人臉身份辨識 76第6章 結論 80參考文獻 81
OpenCV 4電腦視覺項目實戰（原書第2版）
為了解決YOLO 即時影像 的問題，作者（西班牙）大衛·米蘭·艾斯克里瓦 這樣論述：
本書通過實例和專案講解OpenCV概念及其演算法。首先介紹OpenCV的安裝和影像處理的基礎知識。然後，覆蓋使用者介面並深入講解影像處理，讀者將學到複雜的電腦視覺演算法，並探索機器學習和人臉檢測。 之後，本書將介紹如何在複雜場景中創建光流視頻分析和背景減除，還將講解文本分割和識別，以及新的和改進的深度學習模組的基礎知識。 最後，本書介紹了OpenCV的基礎知識，例如矩陣運算、濾波器和長條圖，幫讀者掌握常用的電腦視覺技術，從頭開始構建OpenCV專案。
智能無人機之鯨豚偵測追蹤技術研究
為了解決YOLO 即時影像 的問題，作者錢定遠 這樣論述：
本篇論文介紹白海豚偵測程式應用於虛擬無人機自主追蹤白海豚，為實海域實機測試前期準備。SITL飛行模擬器使開發者可在個人電腦使用ArduPilot無人機系統，該無人機系統與未來實體測試使用之系統相同。模擬讓我們得以了解程式將如何運行於無人機上，也可減少未來實體測試的研究成本及財產安全損失。 利用台大鯨豚實驗室整理之已命名PHOTO ID的2018年白海豚資料庫，使用YOLO v4訓練資料庫照片，建立白海豚即時視覺偵測模型。在實海域拍攝白海豚之影片中，該程式測得在最小702 個像素，以0.5AP(平均準確率)以上偵測信心，正確偵測出白海豚。透過模擬環境，本論文也提供本偵測模型合適的偵測高度
、距離及俯仰角，以利後續開發效能更佳的鯨豚追蹤演算法。 另也利用已鑑定為Doufu白海豚的照片，以Blender建立3D白海豚模型。在Gazebo模擬器，3D白海豚以10節速度在海洋中以正方形、圓形、8字形在水面上水平移動，利用虛擬無人機上的鏡頭拍攝，並透過自建的白海豚偵測程式，在特定條件下可成功追蹤不跟丟。在實海域影片測試中，利用公視由船上拍攝視角可得出約50%以上的準確率，而由於缺乏俯視圖訓練，因此在蔡嘉揚博士空拍白海豚畫面中僅得不到10%的準確率。 瀕危的中華白海豚數量在台灣近年銳減，周[1]等(2019)報告指出每年目擊的個體數從2017年開始明顯下降，新生白海豚數量也低於
死亡或失蹤的個體數目。建立全面且即時的辨識系統勢在必行，希望藉由開發此平台，使後續實海域無人機偵測追蹤白海豚的可行性能提高並設法改進評估，更希望能藉此拋磚引玉，提供後輩參考，修正改進。