書[0名0]: | 計算機視覺:模型、[0學0]習和推理|6019639 |
圖書定價: | 119元 |
圖書作者: | (英)普林斯(Prince;J. D.) |
齣版社: | 機械工業齣版社 |
齣版日期: | 2017/6/1 0:00:00 |
ISBN號: | 9787111516828 |
開本: | 16開 |
頁數: | 0 |
版次: | 1-1 |
作者簡介 |
譯者簡介 苗啓廣西安電子科技[0大0][0學0]計算機[0學0]院教授、博士生導師,2012年入選“教育部新世紀[0優0]秀人纔支持計劃”。中[0國0]計算機[0學0][0會0]CCF理事,陝西省計算機[0學0][0會0]理事,陝西省[0大0]數據與雲計算産業聯盟理事,CCF計算機視覺專委[0會0]委員,CCF人工智能與模式識彆專委[0會0]委員,CCF青年工作委員[0會0]委員,CCF YOCSEF主席(2017~2018),教育部工程專業認證協[0會0]計算機分委[0會0]工程專業認證專傢。2005年12月獲西安電子科技[0大0][0學0]計算機應用技術博士[0學0]位,2014年在美[0國0]做高訪,主要從事計算機視覺與機器[0學0]習、[0大0]數據分析以及高性能計算方麵的研究。主持在研和完成[0國0]傢自然科[0學0]基金、[0國0]防預先研究項目、[0國0]防863和武器裝備基金項目20餘項。 2008/2011/2014年分彆獲西安電子科技[0大0][0學0]“十佳師德標兵”稱號。近年來,在IEEE TNNLS、TEC、TIP、TGRS、AAAI、軟件[0學0]報、計算機[0學0]報等[0國0]內外重要[0學0]術期刊及[0國0]際[0會0]議上發錶SCI/EI收錄論文70餘篇。擔任2015年CCF [0首0]屆中[0國0]計算機視覺[0大0][0會0]程序委員[0會0]主席、2011年CCF [0首0]屆青年精英[0大0][0會0]組委[0會0]主席。Journal of Industrial Mathematics、中[0國0]計算機[0學0][0會0]通訊(CCCF)、物聯網技術等[0國0]內外期刊編委,教育部[0國0]傢科[0學0]技術奬[0評0]審專傢, [0國0]防基礎科研[0評0]審專傢。先後獲省部級奬2項。 劉凱西安電子科技[0大0][0學0]計算機[0學0]院教授,博士生導師,陝西省圖像圖形[0學0][0會0]理事,中[0國0]儀器儀錶[0學0][0會0]空間儀器分[0會0]理事。主要研究[0領0]域包括圖像視頻壓縮編碼、圖像識彆以及視頻跟蹤。主持和參加瞭[0國0]傢自然科[0學0]基金、高分辨率對地觀測重[0大0]專項、探月工程以及多項橫嚮閤作項目。發錶30多篇[0學0]術論文,獲得10餘項發明專利。 孔韋韋博士後,碩士生導師,西安郵電[0大0][0學0]副教授。現為IEEE[0會0]員,IEICE[0會0]員,韓[0國0]AISS協[0會0]編委,中[0國0]計算機[0學0][0會0][0會0]員,陝西省計算機[0學0][0會0]人工智能與模式識彆專業委員[0會0]委員,主要研究[0領0]域為圖像智能信息融閤、入侵檢測等。主持和參與瞭[0國0]傢自然科[0學0]基金、信息保障技術重點實驗室開放基金課題,以及全[0國0]博士後特彆資助項目、全[0國0]博士後基金麵上項目一等資助、全軍[0學0]位與研究生教育研討[0會0]專項研究、陝西省自然科[0學0]基金項目等10餘項課題。以作者在SCI源期刊(如中[0國0]科[0學0](F輯 信息科[0學0])(英文版)、IET Image Processing、IET Signal Processing、Optical Engineering、IET Electronics Letters、Infrared Physics & Tech[0no0]logy等雜誌)上發錶論文近20篇,獲2012年度IET[0學0]術協[0會0][0優0]秀[0學0]術論文成果奬,以申請人申請發明專利2項,齣版專著1部(完成人)、參與編寫著作1部([0第0]三完成人),並擔任多個SCI源期刊的特約審稿人。 許鵬飛西北[0大0][0學0]信息科[0學0]與技術[0學0]院講師,2014年獲西安電子科技[0大0][0學0]計算機應用技術博士[0學0]位。主要研究方嚮是模式識彆、數字圖像處理。目前已在IEEE T Image Processing、Neurocomputing、JVCI、IET Image Processing、Integrative Zoology、Optics Communication、MTAP、電子[0學0]報、CIS等[0國0]際與[0國0]內期刊和[0會0]議上發錶10餘篇[0學0]術論文。獲2014年西安市科[0學0]技術奬三等奬。主持和參與瞭[0國0]傢自然科[0學0]基金、[0國0]防預先研究項目、西北[0大0][0學0]科[0學0]研究基金資助項目等。獲得10餘項[0國0]傢發明專利。 |
內容簡介 |
本書是一本從機器[0學0]習視角講解計算機視覺的[0優0]秀教材,主要講述計算機視覺中模型、[0學0]習和推理三個方麵的內容,揭示計算機視覺研究中 “模型”和“算[0法0]”之間的區彆,並且對每一種新的視覺算[0法0]提齣新的見解。本書圖文並茂,算[0法0]描述由淺入深,主要包括概率、機器視覺的機器[0學0]習、局部模型的連接、圖像預處理、幾何模型、視覺模型等方麵的內容,適閤作為高年級本科生或研究生的計算機視覺和機器[0學0]習教材,也可供計算機視覺方麵的專業人士參考。 |
目錄 |
譯者序 譯者簡介 序 前言 [0第0]1章緒論1 1.1本書結構2 1.2其他書籍4 部分概率 [0第0]2章概率概述6 2.1隨機變量6 2.2聯閤概率7 2.3邊緣化7 2.4條件概率8 2.5貝葉斯公式9 2.6[0獨0]立性9 2.7期望10 討論10 備注11 習題11 [0第0]3章常用概率分布12 3.1伯努利分布13 3.2貝塔分布13 3.3分類分布14 3.4狄利剋雷分布14 3.5一元正態分布15 3.6正態逆伽馬分布15 3.7多元正態分布16 3.8正態逆維希特分布16 3.9共軛性17 總結18 備注18 習題18 [0第0]4章擬閤概率模型21 4.1[0大0]似然[0法0]21 4.2[0大0]後驗[0法0]21 4.3貝葉斯方[0法0]22 4.4算例1:一元正態分布22 4.4.1[0大0]似然估計22 4.4.2[0大0]後驗估計24 4.4.3貝葉斯方[0法0]26 4.5算例2:分類分布28 4.5.1[0大0]似然[0法0]28 4.5.2[0大0]後驗[0法0]29 4.5.3貝葉斯方[0法0]30 總結31 備注31 習題32 [0第0]5章正態分布34 5.1協方差矩陣的形式34 5.2協方差分解35 5.3變量的綫性變換36 5.4邊緣分布36 5.5條件分布37 5.6正態分布的乘積38 5.7變量改變38 總結38 備注39 習題39 [0第0]二部分機器視覺的機器[0學0]習 [0第0]6章視覺[0學0]習和推理42 6.1計算機視覺問題42 6.2模型的種類42 6.2.1判彆模型43 6.2.2生成模型43 6.3示例1:迴歸43 6.3.1判彆模型44 6.3.2生成模型44 6.4示例2:二值分類46 6.4.1判彆模型46 6.4.2生成模型46 6.5應該用哪種模型48 6.6應用49 6.6.1皮膚檢測49 6.6.2背景差分50 總結51 備注51 習題52 [0第0]7章復雜數據密度建模54 7.1正態分類模型54 7.2隱變量56 7.3期望[0大0]化57 7.4混閤高斯模型58 7.4.1混閤高斯邊緣化59 7.4.2基於期望[0大0]化的混閤模型擬閤59 7.5t分布63 7.5.1[0學0]生t分布邊緣化64 7.5.2擬閤t分布的期望[0大0]化65 7.6因子分析67 7.6.1因子分析的邊緣分布68 7.6.2因子分析[0學0]習的期望[0大0]化68 7.7組閤模型71 7.8期望[0大0]化算[0法0]的細節71 7.8.1期望[0大0]化算[0法0]的下界73 7.8.2E步74 7.8.3M步74 7.9應用75 7.9.1人臉檢測75 7.9.2目標識彆76 7.9.3分割77 7.9.4正臉識彆78 7.9.5改變人臉姿態(迴歸)78 7.9.6作為隱變量的變換79 總結80 備注80 習題81 [0第0]8章迴歸模型82 8.1綫性迴歸82 8.1.1[0學0]習83 8.1.2綫性迴歸模型的問題83 8.2貝葉斯綫性迴歸84 8.2.1實際考慮85 8.2.2擬閤方差86 8.3非綫性迴歸87 8.3.1[0大0]似然[0法0]87 8.3.2貝葉斯非綫性迴歸89 8.4核與核技巧89 8.5高斯過程迴歸90 8.6稀疏綫性迴歸91 8.7二元綫性迴歸93 8.8相關嚮量迴歸95 8.9多變量數據迴歸96 8.10應用96 8.10.1人體姿勢估計96 8.10.2位移專傢97 討論98 備注98 習題98 [0第0]9章分類模型100 9.1邏輯迴歸100 9.1.1[0學0]習:[0大0]似然估計102 9.1.2邏輯迴歸模型的問題103 9.2貝葉斯邏輯迴歸104 9.2.1[0學0]習104 9.2.2推理106 9.3非綫性邏輯迴歸107 9.4對偶邏輯迴歸模型108 9.5核邏輯迴歸110 9.6相關嚮量分類111 9.7增量擬閤和boosting113 9.8分類樹116 9.9多分類邏輯迴歸117 9.10隨機樹、隨機森林和隨機蕨分類器118 9.11與非概率模型的聯係119 9.12應用120 9.12.1性彆分類120 9.12.2臉部和行人檢測121 9.12.3語義分割122 9.12.4恢復錶麵布局123 9.12.5人體部位識彆124 討論125 備注125 習題127 [0第0]三部分連接局部模型 [0第0]10章圖模型130 10.1條件[0獨0]立性130 10.2有嚮圖模型131 10.2.1示例1132 10.2.2示例2132 10.2.3示例3133 10.2.4總結134 10.3無嚮圖模型134 10.3.1示例1135 10.3.2示例2136 10.4有嚮圖模型與無嚮圖模型的對比136 10.5計算機視覺中的圖模型137 10.6含有多個未[0知0]量的模型推理139 10.6.1求[0大0]後驗概率的解139 10.6.2求後驗概率分布的邊緣分布139 10.6.3[0大0]化邊緣140 10.6.4後驗分布的采樣140 10.7樣本采樣140 10.7.1有嚮圖模型的采樣141 10.7.2無嚮圖模型的采樣141 10.8[0學0]習142 10.8.1有嚮圖模型的[0學0]習142 10.8.2無嚮圖模型的[0學0]習143 討論145 備注145 習題145 [0第0]11章鏈式模型和樹模型147 11.1鏈式模型148 11.1.1有嚮鏈式模型148 11.1.2無嚮鏈式模型148 11.1.3模型的等價性148 11.1.4隱馬爾可夫模型在手語中的應用149 11.2鏈式MAP推理149 11.3樹的MAP推理152 11.4鏈式邊緣後驗推理155 11.4.1求解邊緣分布155 11.4.2前嚮後嚮算[0法0]156 11.4.3置信傳播157 11.4.4鏈式模型的和積算[0法0]158 11.5樹的邊緣後驗推理160 11.6鏈式模型和樹模型的[0學0]習161 11.7鏈式模型和樹模型之外的東西161 11.8應用163 11.8.1手勢跟蹤163 11.8.2立體視覺164 11.8.3形象化結構166 11.8.4分割167 討論167 備注168 習題169 [0第0]12章網格模型172 12.1馬爾可夫隨機場172 12.1.1網格示例173 12.1.2離散成對MRF圖像去噪174 12.2二值成對馬爾可夫隨機場的MAP推理175 12.2.1[0大0]流/小割176 12.2.2MAP推理:二值變量177 12.3多標簽成對MRF的MAP推理182 12.4非凸勢的多標簽MRF186 12.5條件隨機場189 12.6高階模型190 12.7網格有嚮模型190 12.8應用191 12.8.1背景差分191 12.8.2交互式分割192 12.8.3立體視覺193 12.8.4圖像重排193 12.8.5[0超0]分辨率195 12.8.6紋理閤成196 12.8.7閤成新麵孔197 討論198 備注198 習題200 [0第0]四部分預處理 [0第0]13章圖像預處理與特徵提取204 13.1逐像素變換204 13.1.1白化204 13.1.2直方圖均衡化205 13.1.3綫性濾波206 13.1.4局部二值模式210 13.1.5紋理基元映射211 13.2邊緣、角點和興趣點212 13.2.1Canny邊緣檢測器212 13.2.2Harris角點檢測器214 13.2.3SIFT檢測器215 13.3描述子216 13.3.1直方圖216 13.3.2SIFT描述子216 13.3.3方嚮梯度直方圖217 13.3.4詞袋描述子218 13.3.5形狀內容描述子218 13.4降維219 13.4.1單數值近似220 13.4.2主成分分析221 13.4.3二元主成分分析221 13.4.4K均值算[0法0]222 結論223 備注223 習題224 [0第0]五部分幾何模型 [0第0]14章針孔攝像機228 14.1針孔攝像機簡介228 14.1.1歸一化攝像機229 14.1.2焦距參數230 14.1.3偏移量和偏移參數230 14.1.4攝像機的位置與方嚮231 14.1.5全針孔攝像機模型232 14.1.6徑嚮畸變232 14.2三個幾何問題233 14.2.1問題1:[0學0]習外在參數233 14.2.2問題2:[0學0]習內在參數234 14.2.3問題3:推理3D世界點235 14.2.4解決問題235 14.3齊次坐標236 14.4[0學0]習外在參數237 14.5[0學0]習內在參數239 14.6推理3D世界點240 14.7應用241 14.7.1結構光的深度241 14.7.2剪影重構243 討論245 備注245 習題246 [0第0]15章變換模型249 15.1二維變換模型249 15.1.1歐氏變換模型249 15.1.2相似變換模型251 15.1.3仿射變換模型252 15.1.4投影變換模型252 15.1.5增加不確定性254 15.2變換模型中的[0學0]習255 15.2.1[0學0]習歐氏參數255 15.2.2[0學0]習相似參數256 15.2.3[0學0]習仿射參數256 15.2.4[0學0]習投影參數257 15.3變換模型中的推理258 15.4平麵的三個幾何問題258 15.4.1問題1:[0學0]習外在參數258 15.4.2問題2:[0學0]習內在參數260 15.4.3問題3:與攝像機相關的3D位置推理261 15.5圖像間的變換261 15.5.1單應性的幾何特徵262 15.5.2計算圖像間的變換263 15.6變換的魯棒[0學0]習264 15.6.1RANSAC264 15.6.2連續RANSAC265 15.6.3PEaRL266 15.7應用268 15.7.1增強現實追蹤268 15.7.2視覺全景269 討論270 備注270 習題271 [0第0]16章多攝像機係統273 16.1[0[0雙0]0]視圖幾何[0學0]理論273 16.1.1[0極0]綫約束274 16.1.2[0極0]點274 16.2實矩陣275 16.2.1實矩陣的屬性276 16.2.2實矩陣的分解277 16.3基礎矩陣279 16.3.1基礎矩陣的估計279 16.3.28點算[0法0]280 16.4[0[0雙0]0]視圖重構的流程281 16.5校正284 16.5.1平麵校正284 16.5.2[0極0]麵校正286 16.5.3校正後處理287 16.6多視圖重構287 16.7應用290 16.7.1三維重構290 16.7.2圖片瀏覽291 16.7.3立體圖割292 討論293 備注293 習題294 [0第0]六部分視覺模型 [0第0]17章形狀模型298 17.1形狀及其錶示298 17.2snake模型299 17.2.1推理301 17.2.2snake模型中存在的問題301 17.3形狀模闆302 17.3.1推理303 17.3.2用迭代近點算[0法0]進行推理304 17.4統計形狀模型304 17.4.1[0學0]習305 17.4.2推理306 17.5子空間形狀模型306 17.5.1概率主成分分析307 17.5.2[0學0]習308 17.5.3推理309 17.6三維形狀模型311 17.7形狀和外觀的統計模型311 17.7.1[0學0]習313 17.7.2推理314 17.8非高斯統計形狀模型315 17.8.1迴歸PPCA315 17.8.2高斯過程隱變量模型316 17.9鉸接式模型317 17.10應用319 17.10.1三維形變模型319 17.10.2三維人體模型321 討論322 備注322 習題324 [0第0]18章身份與方式模型326 18.1子空間身份模型328 18.1.1[0學0]習329 18.1.2推理331 18.1.3在其他識彆任務中的推理332 18.1.4身份子空間模型的局限性333 18.2概率綫性判彆分析334 18.2.1[0學0]習335 18.2.2推理335 18.3非綫性身份模型336 18.4非對稱[0[0雙0]0]綫性模型337 18.4.1[0學0]習339 18.4.2推理339 18.5對稱[0[0雙0]0]綫性和多綫性模型341 18.5.1[0學0]習342 18.5.2推理343 18.5.3多綫性模型344 18.6應用344 18.6.1人臉識彆344 18.6.2紋理建模345 18.6.3動畫閤成346 討論346 備注346 習題348 [0第0]19章時序模型349 19.1時序估計框架349 19.1.1推理350 19.1.2[0學0]習350 19.2卡爾曼濾波器351 19.2.1推理351 19.2.2改寫測量閤並階段352 19.2.3推理總結353 19.2.4示例1353 19.2.5示例2354 19.2.6濾波355 19.2.7時序和測量模型356 19.2.8卡爾曼濾波器的問題358 19.3擴展卡爾曼濾波器358 19.4無損卡爾曼濾波器360 19.4.1狀態演化361 19.4.2測量閤並過程362 19.5粒子濾波363 19.5.1時間演化364 19.5.2測量閤並364 19.5.3擴展366 19.6應用366 19.6.1行人跟蹤366 19.6.2單目的即時定位與地圖構建366 19.6.3在復雜背景中跟蹤輪廓綫367 討論369 備注369 習題370 [0第0]20章視覺詞模型372 20.1視覺詞集閤的圖像372 20.2詞袋373 20.2.1[0學0]習374 20.2.2推理374 20.2.3詞袋模型的相關問題375 20.3隱狄利剋雷分布376 20.3.1[0學0]習377 20.3.2非監督物體檢測379 20.4單一創作主題模型380 20.4.1[0學0]習381 20.4.2推理382 20.5星座模型382 20.5.1[0學0]習383 20.5.2推理385 20.6場景模型385 20.7應用386 20.7.1視頻搜索386 20.7.2行為識彆387 討論388 備注389 習題389 [0第0]七部分附錄 附錄A符號說明392 附錄B[0優0]化394 附錄C綫性代數402 參考文獻413 |
评分
评分
评分
评分
评分
评分
评分
评分
本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有