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

AI視覺理論研究及應用

  • 作者：周同馳//趙啟鳳//駱錚|責編:施琦//亢瑩瑩
  • 出版社：中國紡織
  • ISBN：9787522920146
  • 出版日期：2024/07/01
  • 裝幀：平裝
  • 頁數：273
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    全書共12章內容，包括神經網路及深度學習、圖像語義分割和人體動作識別理論的研究及實驗分析，具體介紹了神經網路、深度學習理論基礎和部分代碼。在此基礎上，以視覺數據為對象，採用傳統方法和深度學習方法研究語義分割和動作識別，並給出實驗結果和分析，將其推廣于實際應用領域。
    本書內容翔實、針對性強，將理論研究與實踐應用緊密結合。不僅適合高等院校電腦、人工智慧等專業的師生使用，也適合相關工程領域的技術人員學習參考。
作者介紹
周同馳//趙啟鳳//駱錚|責編:施琦//亢瑩瑩
    周同馳，2011年在新疆大學信息科學與工程學院獲得信息與通信工程專業工學碩士學位，2016年在東南大學信息科學與工程學院獲得信息與通信工程專業工學博士學位。目前就職于河南省鄭州市中原工學院自動化與電氣工程學院（集成電路學院），碩士研究生指導教師，研究方向為深度學習、電腦視覺與模式識別。目前，主要理論研究有遙感圖像語義分割、紅外或可視化圖像目標檢測與跟蹤、視覺實時定位與地圖構建（Simultaneous Localization and Mapping，SLAM）、視覺人體行為識別以及多源信息融合等，以Stm32、樹莓派等處理器結合感測器、機器人操作系統（RobotOperating System，ROS）實現智能識別與控制、導航等應用研究。
目錄
第1章  緒論
  1.1  機器視覺發展背景
  1.2  機器視覺應用
  1.3  本章小結
  參考文獻
第2章  Python基礎知識
  2.1  Python簡介
    2.1.1  Python概述
    2.1.2  Python發展歷史
    2.1.3  Python特點
  2.2  Python環境搭建
  2.3  Python基礎
    2.3.1  Python基礎語法
    2.3.2  Python變數類型
    2.3.3  字典和集合
    2.3.4  分支和循環
    2.3.5  函數
    2.3.6  類
  2.4  深度學
    2.4.1  PyTorch簡介
    2.4.2  PyTorch安裝教程
    2.4.3  張量與數組
    2.4.4  常
  2.5  本章小結
  參考文獻
第3章  神網路基礎知識
  3.1  神網路概述
    3.1.1  神網路模型
    3.1.2  神網路的特點
    3.1.3  神網路的應用
  3.2  激活雨數
  3.3  損失雨數
    3.3.1  損失雨數的作用
    3.3.2  損失函數的使用場景
    3.3.3  損失雨數的特點
    3.3.4  常見的損失函數
    3.3.5  損失函數的代碼示例
  3.4  梯度下降演算法
  3.5  本章小結
  參考文獻
第4章  卷積神經網路
  4.1  概述
  4.2  卷積網路模型
    4.2.1  卷積層
    4.2.2  池化層
    4.2.3  全連接層
    4.2.4  反向傳輸
  4.3  卷積神經網路變異架構
    4.3.1  ResNet
    4.3.2  AlexNet

    4.3.3  VGG
    4.3.4  NiN
  4.4  本章小結
  參考文獻
第5章  循環神經網路
  5.1  概述
  5.2  循環神經網路模型
    5.2.1  門控循環網路
    5.2.2  門控循環單元
    5.2.3  深層循環神經網路
    5.2.4  雙向循環神經網路
  5.3  本章小結
  參考文獻
第6章  圖卷積網路
  6.1  概述
  6.2  網路架構
  6.3  圖卷積網路的發展
    6.3.1  基於譜域的圖神經網路
    6.3.2  切比雪夫網路
    6.3.3  圖卷積網路
    6.3.4  基於空域的圖神經網路
  6.4  本章小結
  參考文獻
第7章  Transformer網路
  7.1  概述
    7.1.1  Transformer
    7.1.2  ViT(Vision Transformer)
  7.2  網路結構
    7.2.1  Transformer網路結構
    7.2.2  VIT網路結構
  7.3  Transformer網路的發展
    7.3.1  Transformer技術發展背景
    7.3.2  電腦視覺領域的Transformer
  7.4  本章小結
  參考文獻
第8章  圖像語義分割
  8.1  背景以及研究現狀
    8.1.1  研究背景
    8.1.2  研究現狀
  8.2  圖像分割數據集及分割的評價指標
    8.2.1  圖像分割數據集
    8.2.2  圖像分割的評價指標
  8.3  基於智能優化演算法的FCM分割MRI
    8.3.1  FCM相關演算法
    8.3.2  改進的FCM
    8.3.3  基於PSO的FCM分割MRI
    8.3.4  基於花粉演算法的FCM分割MRI
  8.4  基於濾波技術改進FCM分割MRI
    8.4.1  濾波技術
    8.4.2  FLICM相關演算法

    8.4.3  濾波技術與改進的FCM結合
    8.4.4  實驗結果分析
  8.5  ResNet和Transformer在通感圖像語義分割的研究及應用
    8.5.1  方法
    8.5.2  實驗
  8.6  本章小結
  參考文獻
第9章  基於局部特徵的視頻人體行為識別
  9.1  視頻人體行為識別研究的背景和意義
    9.1.1  智能視頻監控
    9.1.2  基於內容的視頻檢索
    9.1.3  人機交互
    9.1.4  運動分析
  9.2  常用的視頻人體行為數據集
    9.2.1  KTH行為資料庫
    9.2.2  UCF行為資料庫
    9.2.3  Hollyhood行為資料庫
    9.2.4  Weizmann數據集
    9.2.5  KARD數據集
    9.2.6  Drone-Action數據集
  9.3  基於有效提取和描述局部特徵的行為識別
    9.3.1  引言
    9.3.2  方法框架
    9.3.3  提取相對運動點的軌跡
    9.3.4  軌跡形狀特徵和多核組合表示
    9.3.5  實驗結果及分析
  9.4  分層樹結構的稀疏編碼視頻行為識別應用
    9.4.1  引言
    9.4.2  相關文獻與存在的問題
    9.4.3  學習結構字典及描述局部特徵
    9.4.4  實驗結果及分析
  9.5  本章小結
  參考文獻
第10章  基於局部特徵之間的關係的視頻人體行為識別
  10.1  分層語義特徵的行為模型
    10.1.1  引言
    10.1.2  已有的研究成果
    10.1.3  分層特徵提取方法
    10.1.4  行為表示和分類
    10.1.5  實驗結果及分析
  10.2  人體部位特徵的樹結構行為模型
    10.2.1  引言
    10.2.2  已有的相關工作
    10.2.3  學習特徵樹
    10.2.4  行為表示和特徵融合
    10.2.5  實驗結果及分析
  10.3  學習概念特徵對判別共生統計的行為模型
    10.3.1  引言
    10.3.2  已有的相關工作
    10.3.3  概念特徵的判別共生統計

    10.3.4  行為表示和特徵融合
    10.3.5  實驗結果及分析
  10.4  本章小結
  參考文獻
第11章  基於深度學習的視頻人體行為識別
  11.1  基於深度學習的視頻人體行為識別的研究現狀
  11.2  基於多尺度特徵交互加權融合的人體行為識別研究
    11.2.1  整體網路模型框架
    11.2.2  網路結構
    11.2.3  實驗環境與參數設置
    11.2.4  實驗結果與分析
  11.3  基於改進密度聚類和上下文引導雙向LSTM模型的行為識別
    11.3.1  整體網路模型框架
    11.3.2  實驗設置與分析
  11.4  本章小結
  參考文獻
第12章  基於骨骼信息的行為識別
  12.1  基於骨骼信息的行為識別的研究現狀
  12.2  基於骨架特徵Hough變換的行為識別
    12.2.1  引言
    12.2.2  整體網路模型框架
    12.2.3  二維姿態估計
    12.2.4  特徵描述
    12.2.5  特徵編碼
    12.2.6  實驗分析
  12.3  基於關節引導的全局自適應圖卷積網路的骨架行為識別
    12.3.1  引言
    12.3.2  整體網路模型框架
    12.3.3  網路模塊
    12.3.4  實驗設置與結果分析
  12.4  本章小結
  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