幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

目標檢測與識別技術

  • 作者：編者:宮久路//諶德榮//王澤鵬|責編:鍾博
  • 出版社：北京理工大學
  • ISBN：9787576312560
  • 出版日期：2022/04/01
  • 裝幀：平裝
  • 頁數：264
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要介紹目標檢測與識別技術的基礎理論和實用技術，以及編著者的部分研究成果。全書分為8章，主要內容包括目標檢測與識別的相關概念，數字圖像和模式識別簡介，目標圖像增強技術，目標圖像分割技術，目標圖像特徵提取技術，目標建模及識別技術，目標聯合定位、識別與分割技術，基於深度學習的目標檢測與識別技術。
    本書可以作為工科院校相關專業本科生、研究生學習數字圖像處理和目標檢測相關課程的參考書，幫助讀者了解數字圖像處理和目標檢測與識別的基本概念、典型方法、相關領域的研究現狀以及一些最新的研究成果與實用技術。
作者介紹
編者:宮久路//諶德榮//王澤鵬|責編:鍾博
目錄
第1章  概述
  1.1  目標檢測與識別技術的基本概念
  1.2  目標檢測與識別系統
    1.2.1  預處理
    1.2.2  特徵提取
    1.2.3  特徵表示和目標描述
    1.2.4  識別和理解
  1.3  目標檢測演算法的歷史
    1.3.1  傳統的目標檢測演算法
    1.3.2  基於深度學習的目標檢測演算法
  1.4  目標檢測與識別性能評估方法
  1.5  與工科基礎課的關係
    1.5.1  與線性代數的關係
    1.5.2  與微積分的關係
    1.5.3  與概率論與數理統計的關係
    1.5.4  與大學物理的關係
第2章  數字圖像與模式識別基礎
  2.1  數字圖像基礎
    2.1.1  圖像
    2.1.2  數字圖像
    2.1.3  光學成像過程
    2.1.4  數字圖像處理
  2.2  模式識別
    2.2.1  模式及模式識別
    2.2.2  模式識別系統
    2.2.3  模式識別過程實例
    2.2.4  關於模式識別的一些基本問題
    2.2.5  模式識別與機器學習
    2.2.6  統計模式識別與結構模式識別
第3章  目標圖像增強處理
  3.1  圖像增強
  3.2  灰度直方圖
    3.2.1  灰度圖像的直方圖
    3.2.2  直方圖均衡化
    3.2.3  直方圖均衡化演算法改進
  3.3  對比度增強
    3.3.1  線性變換
    3.3.2  分段線性變換
    3.3.3  指數變換和對數變換
    3.3.4  對比度增強小結
  3.4  圖像去噪
    3.4.1  基於多幅圖像的去噪處理
    3.4.2  空間域濾波
  3.5  基於深度學習的圖像增強
    3.5.1  基於清晰訓練圖像的圖像去噪演算法
    3.5.2  基於不清晰訓練圖像的圖像去噪演算法
第4章  基於分割的目標檢測與識別技術
  4.1  圖像分割
    4.1.1  圖像分割的數學描述
    4.1.2  圖像分割的基本策略

  4.2  基於閾值的圖像分割
    4.2.1  直方圖闊值分割法
    4.2.2  最佳闊值分割法
    4.2.3  最大類間方差闊值分割法
  4.3  基於區域的分割方法測試
    4.3.1  區域生長
    4.3.2  區域分裂與合併
  4.4  基於運動的圖像分割
    4.4.1  背景差分法
    4.4.2  幀間差分法
  4.5  基於膚色模型的人臉檢測方法
    4.5.1  顏色空間轉換
    4.5.2  闊值分割
    4.5.3  后處理
  4.6  語義分割
  4.7  實例分割
第5章  目標圖像特徵提取
  5.1  特徵分類
  5.2  邊緣特徵
    5.2.1  一階微分運算元
    5.2.2  二階微分運算元
    5.2.3  高斯-拉普拉斯運算元
    5.2.4  Canny演算法
  5.3  紋理特徵
    5.3.1  Gabor濾波器
    5.3.2  灰度共生矩陣
  5.4  點特徵
    5.4.1  SIFT特徵
    5.4.2  SURF特徵
    5.4.3  Harris角點檢測
  5.5  形狀特徵
  5.6  梯度方向直方圖
  5.7  相似性度量
    5.7.1  像素級特徵相似性度量
    5.7.2  直方圖相似性度量
    5.7.3  邊緣特徵相似性度量
    5.7.4  紋理特徵相似性度量
    5.7.5  特徵點相似性度量
  5.8  特徵選擇
  5.9  基於深度學習的特徵提取
第6章  目標建模及識別演算法設計
  6.1  目標外觀建模
  6.2  基於流形學習的目標建模方法
    6.2.1  GPLVM和LL-GPLVM
    6.2.2  目標視角流形結構設計
    6.2.3  目標視角流形學習
    6.2.4  目標視角流形實例
  6.3  支持向量機
  6.4  AdaBoost分類器
  6.5  人工神經網路

    6.5.1  神經元
    6.5.2  神經網路結構
    6.5.3  神經網路學習
    6.5.4  BP神經網路
    6.5.5  神經網路的特點
  6.6  基於匹配的目標檢測方法
    6.6.1  基本原理
    6.6.2  演算法實現
    6.6.3  實例：基於模板匹配的車牌識別
第7章  目標聯合定位、識別與分割方法
  7.1  模型建立
  7.2  形狀建模
    7.2.1  JVIM概述
    7.2.2  JVIM
    7.2.3  JVIM學習及形狀重構
    7.2.4  JVIM實例
  7.3  相似性度量
  7.4  先驗知識獲取
    7.4.1  聯合處理模型
    7.4.2  運動模型
    7.4.3  聯合處理流程
  7.5  實例
第8章  基於深度學習的目標檢測與識別
  8.1  CNN的組成
    8.1.1  卷積層
    8.1.2  池化層
    8.1.3  全連接層
    8.1.4  激活函數
    8.1.5  批歸一化層
  8.2  CNN的優化
    8.2.1  優化演算法
    8.2.2  過擬合問題
  8.3  經典的圖像分類網路
    8.3.1  LeNet
    8.3.2  AlexNet
    8.3.3  VGG
    8.3.4  ResNet
  8.4  經典的目標檢測網路
    8.4.1  兩階段目標檢測演算法
    8.4.2  一階段目標檢測演算法
  8.5  目標檢測在軍事方面的應用
    8.5.1  基於YOLOv5的軍用車輛檢測性能分析
    8.5.2  基於圖像風格遷移的目標檢測演算法
    8.5.3  基於域對抗學習的目標檢測演算法
    8.5.4  基於圖像風格遷移和城對抗學習的目標檢測演算法
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032