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

圖像分割原理與技術實現

  • 作者：編者:彭凌西//唐春明//彭紹湖//陳統//梁志煒|責編:郭勇斌//鄧新平
  • 出版社：科學
  • ISBN：9787030788849
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：288
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書在圖像預處理方法、圖像語義分割概念、評價指標等基礎上，首先介紹了傳統圖像分割方法及發展歷程，以及神經網路和深度學習的演變過程，然後介紹了經典語義分割網路如全卷積網路、U-Net、DeconvNet、DeepLab系列演算法、全局卷積網路、RefincNct等，實時語義分割網路如SegNet、ENet、BiSeNet、DFANet、Light-WeightRefineNet，室內RGB-D語義分割網路如RedNct、RDFNct。本書不僅介紹了圖像分割方法的原理，還給出了代碼實例和註釋說明，以便讀者理解。
    本書適合電腦科學或人工智慧等專業的高校師生、科研人員閱讀，也可供對人工智慧相關研究感興趣的讀者參閱。
作者介紹
編者:彭凌西//唐春明//彭紹湖//陳統//梁志煒|責編:郭勇斌//鄧新平
目錄
序
前言
第1章  緒論
  1.1  引言
  1.2  數字圖像基礎
    1.2.1  數字圖像概念
    1.2.2  圖像三要素
    1.2.3  數字圖像文件格式
  1.3  圖像預處理
    1.3.1  點運算
    1.3.2  直方圖處理
    1.3.3  圖像去噪
  1.4  圖像語義分割基本操作
    1.4.1  卷積
    1.4.2  圖像填充
    1.4.3  下採樣
    1.4.4  上採樣
    1.4.5  one-hot編碼
  1.5  圖像分割評價指標
    1.5.1  準確率
    1.5.2  混淆矩陣
    1.5.3  交並比
    1.5.4  靈敏度
    1.5.5  特異性
    1.5.6  F1分數
  參考文獻
第2章  傳統圖像分割方法和數學形態學
  2.1  傳統圖像分割方法
    2.1.1  基於閾值的圖像分割方法
    2.1.2  基於區域的圖像分割方法
    2.1.3  基於邊緣的圖像分割方法
    2.1.4  基於圖論的圖像分割方法
    2.1.5  基於能量泛函的圖像分割方法
    2.1.6  基於特定工具的圖像分割方法
    2.1.7  其他分割方法
  2.2  數學形態學
    2.2.1  膨脹和腐蝕
    2.2.2  閉運算與開運算
    2.2.3  形態學梯度
    2.2.4  頂帽運算
    2.2.5  黑帽運算
  2.3  圖像金字塔
    2.3.1  高斯金字塔
    2.3.2  拉普拉斯金字塔
    2.3.3  高斯差分
  2.4  小結
  參考文獻
第3章  神經網路和深度學習
  3.1  生物神經網路原理
  3.2  人工神經網路發展

  3.3  深度學習模型
    3.3.1  卷積神經網路
    3.3.2  基於多層神經元的自編碼神經網路
    3.3.3  深度置信網路
  3.4  小結及相關研究
    3.4.1  小結
    3.4.2  相關研究
  參考文獻
第4章  全卷積網路
  4.1  引言
  4.2  VGGNet
    4.2.1  VGGNet簡介
    4.2.2  VGG16具體代碼實現
  4.3  FCN網路結構
  4.4  FCN演算法原理
    4.4.1  全卷積結構
    4.4.2  上採樣
    4.4.3  特徵融合
  4.5  FCN具體實現介紹
  4.6  小結及相關研究
    4.6.1  小結
    4.6.2  相關研究
  參考文獻
第5章  U-Net
  5.1  引言
    5.1.1  U-Net簡介
    5.1.2  U-Net發展歷程
    5.1.3  U-Net的基本概念
  5.2  U-Net網路模型
    5.2.1  網路結構
    5.2.2  演算法原理
    5.2.3  演算法流程及實現代碼
  5.3  AFNet網路模型
    5.3.1  AFNet網路結構介紹
    5.3.2  相關研究內容
    5.3.3  演算法流程及實現代碼
  5.4  小結及相關研究
    5.4.1  小結
    5.4.2  相關研究
  參考文獻
第6章  SegNet
  6.1  引言
    6.1.1  SegNet背景
    6.1.2  SegNet發展歷程
  6.2  SegNet結構介紹
    6.2.1  SegNet網路結構介紹
    6.2.2  相關內容介紹
  6.3  實驗
    6.3.1  評價指標
    6.3.2  參數及數據集

    6.3.3  SegNet性能對比
    6.3.4  SegNet結構代碼
  6.4  小結及相關研究
  參考文獻
第7章  DeepLab系列演算法
  7.1  引言
    7.1.1  DeepLab系列演算法簡介
    7.1.2  DeepLab發展歷程
  7.2  網路結構
    7.2.1  網路結構介紹
    7.2.2  主要創新點
  7.3  演算法流程以及實現代碼
    7.3.1  DeepLab v1
    7.3.2  DeepLab v2
    7.3.3  DeepLab v3
    7.3.4  DeepLab v3+
  7.4  小結及相關研究
    7.4.1  小結
    7.4.2  相關研究
  參考文獻
第8章  GCN
  8.1  引言
    8.1.1  GCN簡介
    8.1.2  GCN相關基礎概念
  8.2  總體網路結構介紹
  8.3  演算法原理
    8.3.1  全局卷積網路結構
    8.3.2  邊緣細化模塊
  8.4  實驗
    8.4.1  數據集性能測試
    8.4.2  預訓練模型嵌入
  8.5  演算法流程及實現代碼
    8.5.1  演算法流程
    8.5.2  具體實現代碼
  8.6  小結及相關研究
    8.6.1  小結
    8.6.2  相關研究
  參考文獻
第9章  輕量級實時分割
  9.1  引言
    9.1.1  輕量級網路簡介
    9.1.2  輕量級網路發展歷程
  9.2  ENet網路
    9.2.1  主要創新點
    9.2.2  結構介紹
    9.2.3  ENet實驗
  9.3  BiSeNet網路
    9.3.1  主要創新點
    9.3.2  結構介紹
    9.3.3  BiSeNet實驗

  9.4  DFANet網路
    9.4.1  主要創新點
    9.4.2  結構介紹
    9.4.3  DFANet實驗
  9.5  小結及相關研究
    9.5.1  小結
    9.5.2  相關研究
  參考文獻
第10章  RedNet：RGB-D語義分割入門
  10.1  引言
  10.2  室內RGB-D語義分割和金字塔監督
    10.2.1  室內RGB-D語義分割
    10.2.2  金字塔監督
  10.3  演算法流程以及實現
    10.3.1  演算法流程
    10.3.2  實現
  10.4  小結及相關研究
    10.4.1  小結
    10.4.2  相關研究
  參考文獻
第11章  RDFNet
  11.1  引言
    11.1.1  背景以及相關工作
    11.1.2  RefineNet發展歷程
  11.2  網路結構
    11.2.1  網路結構介紹
    11.2.2  MMFNet模塊
  11.3  演算法流程及實現代碼
    11.3.1  RDFNet
    11.3.2  RDFNet實現
  11.4  小結及相關研究
    11.4.1  小結
    11.4.2  相關研究
  參考文獻
彩圖

  • 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