本書前2章將依序介紹實現AI神經網路推論於邊緣運算裝置為何是目前最熱門的趨勢，並選定NVIDIA Jetson Nano 4GB開發套件作為本書主要開發環境。
第3章介紹多種深度學習視覺推論應用。到了第4章，說明如何存取Jetson Nano之GPIO腳位來結合常見的周邊電子裝置，意即您可在現存的簡易家電裝置上自行整合更豐富的AI功能。
第5章與第6章將介紹如何使用JetBot機器人平台來實現自動駕駛車常見的功能，包含障礙物閃避與道路跟隨等。讀者將自行收集資料來建立訓練資料集來建立專屬的神經網路模型。最後於第七章，將整合Intel RealSense景深攝影機讓Jetson Nano整合具備深度資訊的影像處理功能。
本書特色
本書將帶領讀者進入熱門的邊緣AI(Edge AI)領域，並直接在NVIDIA Jetson Nano 單板電腦實作各種深度學習神經網路結合機器視覺的實務性範例，並以JetBot移動式輪型機器人平台來實現障礙物閃避與道路跟隨等自動駕駛車常見的功能。
本書也會介紹如何透過 Intel RealSense 景深攝影機讓您的邊緣專案具備深度視覺功能。
"AI 不難，現在就開始吧！"
本書作者群為NVIDIA原廠認證之Jetson AI大使與Jetson AI專家。
作者
曾吉弘
．CAVEDU教育團隊技術總監
．美國麻省理工學院電腦科學與人工智慧實驗室訪問學者
．NVIDIA Jetson AI ambassador
郭俊廷
．CAVEDU教育團隊資深講師
．NVIDIA Jetson AI specialist
目錄
第1章 單板電腦與邊緣運算
．1.1邊緣運算裝置
．1.2單板電腦
．1.3NVIDIA線上資源
．1.4NVIDIA Jetson 家族
．1.5Jetson Nano 初體驗
第2章 Jetson Nano 初體驗
．2.1 Jetson Nano開機！
．2.2 OpenCV電腦視覺函式庫
第3章 深度學習結合視覺辨識應用
．3.1 深度學習介紹
．3.2 jetson-inference相關軟體安裝
．3.3 影像辨識範例
．3.4 物件偵測範例
．3.5 影像分割範例
第4章 Jetson Nano GPIO硬體控制
．4.1 Jetson Nano GPIO腳位介紹
．4.2 安裝GPIO套件
．4.3 數位輸入、輸出
．4.4 I2C LCD 螢幕
第5章 JetBot視覺機器人
．5.1 JetBot
．5.2 Jupyter Lab基礎操作介紹
．5.3 JetBot範例程式
第6章 JetBot深度視覺機器人
．6.1 淺談深度學習
．6.2 障礙迴避
．6.3 道路跟隨
第7章 整合景深視覺
．7.1 Intel RealSense景深攝影機
．7.2 在Jetson Nano上安裝RealSense 套件
．7.3 在RealSense Viewer中檢視景深影像
．7.4 RealSense的Python範例
．7.5 使用RealSense D435-辨識人臉與距離
