計算機視覺：模型、學習和推理計算機與互聯網書籍|6019639 pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

英普林斯Prince，J D 著，苗啓廣譯

圖書標籤:

計算機視覺
機器學習
深度學習
圖像處理
模式識彆
人工智能
算法
模型
推理
技術

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

店铺：互动出版网图书专营店

出版社：机械工业出版社

ISBN：9787111516828

商品编码：13487834816

丛书名：计算机科学丛书

出版时间：2017-06-01

具体描述

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。

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