Recommended
More Related Content
Similar to 03_AI旅宿訂房系統-AI智慧訂房方案
Similar to 03_AI旅宿訂房系統-AI智慧訂房方案 (20)
More from IttrainingIttraining
More from IttrainingIttraining (20)
03_AI旅宿訂房系統-AI智慧訂房方案
- 2. 1. 專案動機及目標 2. 方案流程介紹 3. 專案使用AI模型 4. 方案工作流程 5. 工作總結與未來展望 目錄 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 3. 專案動機及目標 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 5. 疫情時代的新開始，台灣的旅館行業面臨最大問題：缺工。 https://ynews.page.link/n2mJH https://www.setn.com/News.aspx?NewsID=1349507 https://www.businessgo.hsbc.com/en/article/ai-in-hospitality-chi? 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 缺工問題造成： 1. 旅館人員工作過勞 2. 訂房及退房等待時間 漫長 3. 房客需求無法及時被 滿足，體驗不佳 4. 長期影響旅館業利潤 旅館行業痛點
- 6. 旅館行業痛點 安全性隱憂：未經授權的進入和身份欺詐等問題構成了重大風險。 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 7. 智慧訂房方案目標 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 人力不足 訂房及入退房 等待時間長 安全性隱憂 AI智慧訂房方案 提升員工工 作效率 縮短訂房及 入退房時間 提升安全性
- 8. 智慧訂房方案概念 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 你的臉就是房卡 • 訂房 • 入住 • 退房 AI賦能之一
- 9. 智慧訂房方案概念 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 AI賦能之二 AI助理 你的興趣和喜好我們都在乎 訂製專屬房客的 1. 推薦餐廳 2. 行程推薦 根據房客的食 物偏好和興趣
- 10. 方案技術實現目標 訂房方案的技術實現目標： 1. 自建或開源工具或者組件 2. 極低成本或免費 3. CPU可跑，無須大量GPU 4. 資料不外流 5. 技術簡要 6. 端到端方案 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 11. 方案流程介紹 • 方案流程 • 解決方案架構及模型訓練流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 12. 方案流程介紹 • 方案流程 • 解決方案架構及模型訓練流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 13. 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 會員註冊 訂房系統 入房 退房 方案模塊
- 14. 方案流程圖 旅客使用前 端系統註冊 並包含人臉 寫入資料 庫 會員註冊 完成 會員註冊 會員註冊 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 15. 方案流程圖 會員訂房: 會員登入驗 證 (Email + 密碼) 填寫訂房表 單 由訂房資訊 生成房客訂 房資料 Flask API 串接Gmail 寄送訂房資 訊及推薦內 容 完成訂房 若房客填寫飲食偏好及興趣，系統會使用大語 言模型提供旅客專屬的飲食及行程推薦 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 16. 方案流程圖 旅客抵達旅 館做入房登 記 使用人臉做 旅客入房驗 證 驗證成功 顯示 歡迎訊息 驗證失敗 顯示 查無此房客 旅客入房成 功 入房流程: 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 17. 方案流程圖 旅客準備退 房 使用人臉做 旅客退房驗 證 驗證成功 顯 示退房成功 驗證失敗 顯 示查無此房客 旅客退房成 功 退房流程： 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 18. 方案流程介紹 • 方案流程 • 解決方案架構及模型訓練流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 19. 方案軟體架構設計 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 Flask App Routing 會員管理 訂單管理 房間管理 房客管理 人臉辨識模 塊 NLP模型模塊 信件發送模 塊 資料庫 資料處理腳 本 Restful API 會員註冊 會員訂房 入房登記 退房登記
- 20. 方案軟硬體架構概念 AI智慧訂房解決方案 硬體 軟體 筆記電腦 電腦相機 網頁前端 網頁後端 資料庫 AI模型 HTML CSS Javascript FlaskAPI SQLite Dlib Llama 2 系統腳本 Tensorflow Python OpenCV 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 信件發送 資料處理
- 21. 專案使用AI模型 • 人臉辨識模型 - Dlib • AI助理 – Llama 2 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 22. 專案使用AI模型 • 人臉辨識模型 - Dlib • AI助理 – Llama 2 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 23. 人臉辨識模型 Dlib 是一套包含了機器學習、計算機視覺、圖像 處理等的函式庫，使用C++開發而成，目前廣泛使用 於工業及學術界，也應用在機器人、嵌入式系統、手 機、甚至於大型的運算架構中，而且最重要的是，它 不但開源且完全免費，而且可跨平台使用（Linux、 Mac OS、Windows），並且除了C++之外還提供了 Python API ，因此如果我們想要建立一套物件偵測系 統，dlib是相當適合的平台。 http://blog.dlib.net/ https://keras.io/api/applications/ Model Top-5 Accuracy Parameters Depth Time (ms) per inference step (CPU) Time (ms) per inference step (GPU) Xception 94.5% 22.9M 81 109.4 8.1 VGG16 90.1% 138.4M 16 69.5 4.2 VGG19 90.0% 143.7M 19 84.8 4.4 ResNet50 92.1% 25.6M 107 58.2 4.6 ResNet50V2 93.0% 25.6M 103 45.6 4.4 ResNet101 92.8% 44.7M 209 89.6 5.2 ResNet101V2 93.8% 44.7M 205 72.7 5.4 ResNet152 93.1% 60.4M 311 127.4 6.5 ResNet152V2 94.2% 60.4M 307 107.5 6.6 InceptionV3 93.7% 23.9M 189 42.2 6.9 InceptionResN etV2 95.3% 55.9M 449 130.2 10.0 MobileNet 89.5% 4.3M 55 22.6 3.4 MobileNetV2 90.1% 3.5M 105 25.9 3.8 DenseNet121 92.3% 8.1M 242 77.1 5.4 其他常見CV模型 – Keras Model list 基於CPU可跑 基於GPU可跑 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 25. Database 。 。 。 ? 會員資料表 Customer Table 人臉辨識原理 3. 房客人臉與會員資料庫做特徵比對
- 26. 人臉辨識原理 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 比對原理：Cosine Similarity 夾角越大，代表兩個向量越是不像 夾角越小，代表兩個向量越是相像 投影到2維空間表示
- 27. 人臉辨識原理 Score: 0.95 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 找到目標人臉 透過Cosine similarity， 找出向量角度最小的 人臉維度 4. 回傳最匹配的人臉做入退房驗證
- 28. 專案使用AI模型 • 人臉辨識模型 - Dlib • AI助理 – Llama 2 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 30. 大語言模型 Large Language Models (LLM) 大型語言模型是基於大量資料進行預 訓練的超大型深度學習模型。基礎轉換器是一組神經網 路，這些神經網路由具有自我專注功能的編碼器和解碼 器組成。編碼器和解碼器從一系列文字中提取含義，並 理解其中的字詞和片語之間的關係。這類大規模的模型， 其中通常具有數千億個參數。這種大規模模型可以擷取 通常來自網際網路的大量資料，但也可以從包含 500 多億個網頁的 Common Crawl 和擁有約 5700 萬個頁 面的 Wikipedia 等來源擷取資料。目前常見的大模型包 含GPT-4、LLAMA等，且大部分都是基於Transformer 的架構上做改動跟開發。 Transformer 架構 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 31. Model Architecture Transformer Transformer Open-sourced Yes No Capability Text generation Text summarization Math Common reasoning General knowledge Reading comprehension QA Text generation Text summarization Math Common reasoning General knowledge Reading comprehesion QA Cost Free Free, with limited request Data privacy High, offline Low, queries will be recorded by OpenAI GPT-4 VS LLAMA2 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 32. LLAMA2 Introduction Model Size Commonsense Reasoning World Knowledge Reading Comprehension Running time on laptop (s)* Llama 1 7B 60.8 46.2 58.5 Llama 2 7B 63.9 48.9 61.3 35 ± 10 Llama 2 13B 66.9 55.4 65.8 59 ± 13 Llama 2 70B 71.9 63.6 69.4 131 ± 9 *耗時為在本地電腦，使用CPU去跑每個問題，最後得到平均的生成回答花費時間，總共 使用100個問題去測試。該模型均為壓縮過 https://huggingface.co/TheBloke/Llama-2-7B-GGML Llama 2: Open Foundation and Fine-Tuned Chat Models, Meta, 2023 LLAMA2 採用標準的 Transformer 架構，並提供了三種 尺寸的開源模型：7B、13B和70B。其優化過程結合了監 督微調（Supervised fine-tuning）和強化學習人類回饋。 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 33. 量化技術-Quantization LLAMA2-7b 4-bit 3.5 GB GGML version running on the Mac M2 Laptop https://chih-sheng-huang821.medium.com/ai%E6%A8%A1%E5%9E%8B%E5%A3%93%E7%B8%AE%E6%8A%80%E8%A1%93- %E9%87%8F%E5%8C%96-quantization-966505128365 https://ggml.ai/?utm_source=talkingdev GGML is a tensor library for machine learning to enable large models and high performance on commodity hardware. It is used by llama.cpp and whisper.cpp • Written in C • 16-bit float support • Integer quantization support (e.g. 4-bit, 5-bit, 8-bit) 量化：將模型縮小的方式 • 模型量化主要是將浮點數轉換成整數，減少空間的同時，減少計算上精度損 失的方法。 • 常見的量化手段包含QLoRA以及GGML，GGML專注於CPU優化的量化實 踐。 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 34. LLAMA 2部屬介面及後端API Llama 2的輸入與 輸出格式： 輸入：Text 輸出：Text 功能包含日常問 答、推薦、規劃 及總結等等 前端Llama2介面 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 AI助理前端介面
- 35. 方案工作流程 • 訂房工作流程 • 入房登記工作流程 • 退房登記工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 36. 方案工作流程 • 訂房工作流程 • 入房登記工作流程 • 退房登記工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 37. 方案工作流程 SQLite 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 URL Route path 會員註冊 會員資料 管理 退房登記 app.py 入房登記 人臉辨識 模塊 NLP模型 模塊 信件發送 模塊 資料庫 資料處理 腳本
- 38. 應用技術：HTML,CSS,PHP,SQLite 方案工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 39. 應用技術：HTML,CSS,PHP,SQLite 方案工作流程：寄送email, 產生QR code 2. 訂單資料提供 發信模塊寄送 3. 讀取旅客的名字和 興趣偏好 4. 推薦的 餐廳和行 程規劃， 寄送給旅 客 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 1. 資料讀取並形成 訂房旅客資料
- 40. 應用技術：HTML,CSS,PHP,Flask,Llama 方案工作流程：寄送email, 產生QR code 接收資料：收件者信箱收到訂單表單email，以及推薦行程跟餐 廳推薦。 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 41. 方案工作流程 • 訂房工作流程 • 入房登記工作流程 • 退房登記工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 42. 方案工作流程 Room_ID Password Customer_ID Ck_in_date Ck_out_date R001 abc@gmail.com C001 2023-08-12 2023-08-14 R002 def@gmail.com C001 2023-07-12 2023-07-19 Customer_ID Name E-mail Login_password C001 abc abc@gmail.com 1234 C002 def def@gmail.com 0000 Tranc_ID Room_ID Tranc_Date Customer_ID T001 R001 2023-08-01 C001 T002 R002 2023-06-01 C001 T003 R002 2023-05-28 C002 Customer Table Transaction Table Room_Mangement Table 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 43. R002 入房登記工作流程 R001 Room_Mangement Table C001 Room_ID Password Customer_ID Ck_in_date Ck_out_date R001 abc@gmail.com C001 2023-08-12 2023-08-14 R002 def@gmail.com C001 2023-07-12 2023-07-19 • 訂房時，房間密碼會變成該房客的專用密碼 • 訂房旅客使用人臉登記 • 房間密碼核對成功 • 房客可以繼續進入該房間 入房工作原理 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 44. 應用技術：HTML,CSS,PHP,SQLite,Opencv 人臉辨識 Check in時間： 2023/09/10 18:25 張小姐： 歡迎光臨人臉辨識大飯 店,您check in後，系統 會自動郵寄您入住的房 號和電子鎖密碼至您信 箱,祝您有個美好的假期 ～ 入房登記工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 45. 方案工作流程 • 訂房工作流程 • 入房登記工作流程 • 退房登記工作流程 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 46. C001 Update table 退房登記工作流程 Room_ID Password Custom er_ID Ck_in_date Ck_out_date R001 abc@gmail.com C001 2023-08-12 2023-08-14 R002 def@gmail.com C001 2023-07-12 2023-07-19 Room_Mangement Table • 訂房旅客使用人臉登記 • 退房時會刪除房間登記資料並使密碼失效 • 該房間密碼會變成原本系統預設密碼 • 退房房客便無法繼續進入該房間 退房工作原理 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 47. 人臉辨識 Check out時間： 2023/09/13 13:25 張小姐： 這是您在本飯店的消費 明細,可直接掃描信用卡 結帳,結帳完後系統會自 動幫您check out成功,期 待您再次光臨. 退房登記工作流程 應用技術：HTML,CSS,PHP,MySQL,Opencv 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 48. 工作總結與未來展望 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 49. 工作總結 本AI智慧訂房方案，我們提供了: 人臉辨識的註冊、入房及退房，提高訂房效率，減少人力負擔 AI智慧助理，兼顧隱私安全 端到端的方案，可複用在其他類似行業 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 50. 工作總結 打造人臉辨識的訂房方案目標： 自建或開源工具或者組件 極低成本或免費 CPU可跑，無須大量GPU 資料不外流 技術簡要 端到端方案 Dlib, llama, Sqlite, etc, … 搭建方案無須費用 CPU可跑 全部模型均離線使用 無複雜技術 用戶網路訂房到退房 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望
- 51. 未來可進行的工作 未來展望 CV-AI模型 網頁介面的優化 工作流程的優化 1. 使用Keras上面的模型，提高人臉比對的Precision 2. 增加多樣化的CV模型，例如姿態或表情識別，讓用戶可以回饋住房 的體驗 1. 持續美化網頁前端，提供更直觀的用戶使用體驗 NLP-AI模型 1. 串接llama和google search，以提供更精準的資料及數據 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 1. 會員註冊與訂房的整合，提升會員使用的用戶體驗 2. 資料流的處理，使後端資料預處理的部分更順暢
- 52. 問與答 專案動機及場景介紹 方案流程介紹 專案使用模型 方案工作流程 工作總結及展望 團隊成員 梁如澤 Ru-Ze Liang 林春吉 周靜美 張翠屏