自我介紹

self introduction

AR運動小遊戲於 Scratch3 AI 平台上之運用

為了讓小孩可以運動放電，我最近搜尋了網路上相關資源

看到的多半是AR相關的 app，還有一些互動式的運動影片，我個人比前喜歡前者

1. iphone 多半用 Active Arcade

2. Android 就用 Plaicise

上面的App都有同樣的問題，不管是用手機或是平板，畫面都太小了，如果要投影到其它地方也是蠻麻煩的，於是我想說既然筆電通常有內建鏡頭，且螢幕又比較大，能不能在筆電開手機模擬器裡面玩這一些遊戲，試了幾款手機模擬器之後…感覺效果都不太好，那時就想到了其實早在 scratch2 的時代，我們就可以讓小朋寫視訊互動的遊戲了。

自己做做看吧… 也能拿來當教學內容

 scratch3 升級至網路版本之後視訊互動這個部分也有保留，我們可以偵測角色上視訊變化的大小，但在互動上這是不大方便的，還好 scratch 為開放平台，陸續有一些 Scractch3和 AI 機器學習結合的平台可以讓大家使用 (超棒的)

1. machine learning for kids 應該就是這個領域的先行者，網站上範例完整

     https://machinelearningforkids.co.uk/

2. 日本的 Junya Ishihara 也在這一塊做出很多出色的延伸應用

    https://stretch3.github.io/

    https://thewonder.it/bukatsu/programming/class/3967/

大家可以參考柯T的教學影片：

※我這裡也來分享我在 https://stretch3.github.io/ 平台上

自製讓小朋有玩的遊戲專案：

https://drive.google.com/drive/folders/1MrFpp7g62YN5PKhcz5LnuDUCjoQrUi68?usp=sharing

安裝方式：直接自  https://stretch3.github.io/ 檔 案>從你的電腦中挑選>
...選擇我們給的專案檔即可

一共五個關卡，要在蘋果掉落至底部前用『鼻子』控制武器切掉它，離鏡頭遠一些運動效果會更好

※詳細安裝步驟可參考下列投影片

之後有時間的話再來玩看看 scratch 開放原始碼改編好了，感覺挺有趣的

類神經網路 backpropagtion 演算法簡單講解

               我想不少人都曾經用過各種不同的函式庫在各種不同的平台上進行人臉辨識或
物件偵測，以前的時候這不是很簡單的技術，就算要直接引用別人
寫的函式庫也是要踩過很多坑才可以，現在這個時代 coding 變得越來越容易了，像是google出的這一款 object detection，簡單易學：

https://chtseng.wordpress.com/2019/02/16/%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8google-object-detection-api%E8%A8%93%E7%B7%B4%E8%87%AA%E5%B7%B1%E7%9A%84%E6%A8%A1%E5%9E%8B/
連中學生最喜歡用的 appinventor 都可以做 object detection：
https://www.i-programmer.info/news/105-artificial-intelligence/13174-ai-with-app-inventor.html

如果說到人臉辨識順便也推一下小弟根據dlib包裝的這一套：pyFaceTrace
命令列輸入pip install pyFaceTrace 就可以安裝了喔
相關說明網站：https://reurl.cc/V65WRb

其實大部分的影像識別的演算法或是知名的模型(ex:resNet)都是從 cnn 演變出來的
https://medium.com/@CinnamonAITaiwan/cnn%E6%A8%A1%E5%9E%8B-resnet-mobilenet-densenet-shufflenet-efficientnet-5eba5c8df7e4
而 cnn 又是從 nn (類神經網路) 演化來的，大家在使用函式庫的同時不知道有沒有想過，我們在操作機器學習的黑盒子裡面的運作原理是什麼呢?
現在網路上大多流傳的是捲積(Convolution)及 detector/filter/kernel 概念的解釋，但訓練階段使用的 Gradient Dencent 和推導出來的，倒傳遞演算法(backpropagation)好像比較少人用簡單一點的方式來講解，其實有些網站也是解釋得蠻好的：
https://www.brilliantcode.net/1670/convolutional-neural-networks-4-backpropagation-in-kernels-of-cnns/
https://darren1231.pixnet.net/blog/post/338810666-%E9%A1%9E%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF%28backpropagation%29-%E7%AD%86%E8%A8%98
不過對於沒有數學底子的人，光是看算式，可能就快昏倒了
配合全臺首學的直播彩排，小弟預計於 5/6(三) 16:00於
南臺電子系物聯網實驗室進行直播
針對類神經網路 backpropagtion 演算法做簡單的講解
有興趣的人到時候可以連上來觀看
說明連結：
https://reurl.cc/qdrXnn

機器學習模型及簡單應用 by Python

投影片連結

用python做線上翻譯與語音輸出

In [27]:

#Speech Recognition (語音轉文字)
import speech_recognition as sr
r = sr.Recognizer()
print('請對麥克風說話...')
with sr.Microphone() as source:
    audio = r.listen(source)

textZh = r.recognize_google(audio,language='zh-TW')
print(textZh)

#google翻譯
from googletrans import Translator
ts = Translator()
textJa = ts.translate(textZh,dest='ja').text
print(textJa)

#google Text to Speech (文字轉語音)
from gtts import gTTS
tts=gTTS(text=textJa, lang='ja')

import tempfile
filename = tempfile.NamedTemporaryFile().name+'.mp3'
tts.save(filename)

#播放音ＴＳＯ
from pygame import mixer
mixer.init()
mixer.music.load(filename)
mixer.music.play()

台灣