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

時空行為理解/電子信息前沿技術叢書

  • 作者：章毓晉|責編:文怡
  • 出版社：清華大學
  • ISBN：9787302711223
  • 出版日期：2026/03/01
  • 裝幀：平裝
  • 頁數：184
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書內容圍繞圖像理解的一個新的研究方向——時空行為理解展開，主要涉及從動作基元、動作、活動、事件直到行為的各個層次的檢測和識別技術。本書主要側重對這些技術的原理介紹，對相關方法結合研究成果進行分析，並對近年來的研究進展提供概括總結。
    本書除緒論外，共有7章，分別介紹時空興趣點和人體關鍵點的檢測，人和物的運動軌跡分析，對主體人動作的分類識別，對主體人活動的建模和識別，結合各種線索的行為分析推理，對異常事件的檢測判斷，以及對人-物交互關係的檢測和解釋。
    本書既可供高等學校信號與信息處理、通信與信息系統、電子與通信工程、模式識別與智能系統等學科高年級本科生或研究生作為專業課教材或教學參考書，也可幫助電腦科學與技術、信息與通信工程、電子科學與技術、測控技術與儀器、機器人自動化、生物醫學工程、光學、電子醫療設備研製、遙感、測繪和軍事偵察等領域的研究人員開展相關的科研工作。
作者介紹
章毓晉|責編:文怡
目錄
第1章  緒論
  1.1  圖像工程
    1.1.1  圖像技術和圖像工程
    1.1.2  圖像工程的3個層次
    1.1.3  圖像工程相關學科和領域
    1.1.4  圖像工程文獻統計分類
  1.2  時空技術
    1.2.1  時空技術的發展
    1.2.2  時空技術的5個層次
  1.3  深度學習
    1.3.1  圖像理解中的深度學習
    1.3.2  卷積神經網路的基本概念
    1.3.3  深度學習核心技術
  1.4  全書框架和各章簡介
  參考文獻
第2章  興趣點和關鍵點
  2.1  時空興趣點
    2.1.1  空間興趣點的檢測
    2.1.2  時空興趣點的檢測
  2.2  人體關鍵點
    2.2.1  基於圖像的2-D人體關鍵點檢測
    2.2.2  基於視頻的2-D人體關鍵點檢測
  2.3  多視角下的多人3-D關鍵點檢測
    2.3.1  基於多視角的3-D人體關鍵點檢測
    2.3.2  基於分層聚類的3-D人體關鍵點檢測
  參考文獻
第3章  軌跡分析
  3.1  軌跡學習和分析
    3.1.1  場景建模
    3.1.2  軌跡學習
    3.1.3  活動分析
  3.2  軌跡特徵聚類樹
    3.2.1  軌跡特徵提取
    3.2.2  特徵聚類樹
    3.2.3  FV編碼樹
    3.2.4  實驗結果和分析
  參考文獻
第4章  動作分類和識別
  4.1  動作分類
  4.2  動作識別
    4.2.1  各種活動中的動作識別
    4.2.2  動作識別的各種網路
  4.3  結合姿態和上下文的動作分類
    4.3.1  基於姿態模型的動作分類器
    4.3.2  基於上下文的動作分類器
  4.4  基於注意力機制的分類識別
    4.4.1  候選動作生成
    4.4.2  時域動作檢測
  參考文獻
第5章  活動建模和識別

  5.1  動作和活動建模
    5.1.1  動作建模
    5.1.2  活動建模
  5.2  主體-動作聯合建模
    5.2.1  單標籤主體-動作識別
    5.2.2  多標籤主體-動作識別
    5.2.3  主體-動作語義分割
  5.3  用於活動識別的圖卷積網路
    5.3.1  分通道拓撲細化建模
    5.3.2  用於動作識別的圖卷積網路
    5.3.3  分尺度空間和動態時域卷積網路
  參考文獻
第6章  行為識別網路
  6.1  結合運動和上下文的網路
    6.1.1  網路模型框架
    6.1.2  攝像機運動估計和補償
    6.1.3  實驗結果和分析
  6.2  利用結構信息的順序分段網路
    6.2.1  順序分段
    6.2.2  實驗結果和分析
  6.3  基於骨架表達的方法
    6.3.1  骨架表達
    6.3.2  網路方法示例
  參考文獻
第7章  異常事件檢測
  7.1  異常事件檢測方法分類
  7.2  基於神經網路的基本檢測方法
    7.2.1  基於卷積自編碼器和塊學習
    7.2.2  基於單類神經網路的檢測
  7.3  融合梯度差信息的稀疏去噪自編碼器網路
    7.3.1  基於SDAE的方法
    7.3.2  基於SDAE-GS的方法
    7.3.3  SDAE與SDAE-GS的對比
  7.4  基於特徵軌跡平滑的LSTM自編碼器網路
    7.4.1  整體框架和流程
    7.4.2  實驗結果和分析
  7.5  特徵空間時序平滑的深度生成模型
    7.5.1  生成損失
    7.5.2  時序平滑損失
    7.5.3  訓練和測試
    7.5.4  實驗結果和分析
  7.6  場景內容適應的深度生成模型
    7.6.1  工作流程
    7.6.2  模型具體特點
    7.6.3  實驗結果和分析
  7.7  主-輔集成策略
    7.7.1  基本框架和流程
    7.7.2  主-輔集成模塊
    7.7.3  實驗結果和分析
  參考文獻

第8章  人-物交互檢測
  8.1  雙階段方法和單階段方法
    8.1.1  雙階段方法
    8.1.2  單階段方法
  8.2  基於轉換器的方法
    8.2.1  使用轉換器的雙階段方法
    8.2.2  使用轉換器的單階段方法
  8.3  更多典型方法
    8.3.1  零樣本學習
    8.3.2  基於全局和局部實例的方法
    8.3.3  時空人-物交互關係檢測
  8.4  資料庫和評價指標
    8.4.1  不同標注粒度的資料庫
    8.4.2  特殊的資料庫
    8.4.3  評價指標
  參考文獻
主題索引

  • 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