登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 聯絡我們  | 運費計算  | 幫助中心 |  加入書簽
會員登入 新註冊 | 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌 香港/國際用戶
最新/最熱/最齊全的簡體書網 品種:超過100萬種書,正品正价,放心網購,悭钱省心 送貨:速遞 / EMS,時效:出貨後2-3日

2024年10月出版新書

2024年09月出版新書

2024年08月出版新書

2024年07月出版新書

2024年06月出版新書

2024年05月出版新書

2024年04月出版新書

2024年03月出版新書

2024年02月出版新書

2024年01月出版新書

2023年12月出版新書

2023年11月出版新書

2023年10月出版新書

2023年09月出版新書

『簡體書』物体检索与定位

書城自編碼: 3743531
分類: 簡體書→大陸圖書→教材研究生/本科/专科教材
作者: 姜文晖
國際書號(ISBN): 9787113286552
出版社: 中国铁道出版社
出版日期: 2021-12-01

頁數/字數: /
書度/開本: 16开 釘裝: 平装

售價:NT$ 261

我要買

share:

** 我創建的書架 **
未登入.



新書推薦:
易经今解:释疑·解惑·见微
《 易经今解:释疑·解惑·见微 》

售價:NT$ 403.0
东欧史(全二册)-“中间地带”的困境
《 东欧史(全二册)-“中间地带”的困境 》

售價:NT$ 1010.0
虚拟资本:金融怎样挪用我们的未来
《 虚拟资本:金融怎样挪用我们的未来 》

售價:NT$ 352.0
刻意练习不生气
《 刻意练习不生气 》

售價:NT$ 179.0
大宋理财:青苗法与王安石的金融帝国(全彩插图本)
《 大宋理财:青苗法与王安石的金融帝国(全彩插图本) 》

售價:NT$ 500.0
安全感是内心长出的盔甲
《 安全感是内心长出的盔甲 》

售價:NT$ 305.0
快人一步:系统性能提高之道
《 快人一步:系统性能提高之道 》

售價:NT$ 505.0
算法图解(第2版)
《 算法图解(第2版) 》

售價:NT$ 356.0

編輯推薦:
在这个网络图像资源呈指数级增长的时代,如何高效地从图像中检索定位重要的目标信息具有广泛且重要的应用价值。本书从实际应用的角度出发,针对示例检索、标签检索和物体定位三个相关问题进行深入研究。
內容簡介:
物体检索与定位是计算机视觉技术核心的技术之一。本书主要阐述了物体检索与定位中的关键问题和相关技术,包括大数据时代的目标检索及应用、视觉词组的贝叶斯池化模型、位置对齐的深度示例检索模型、多示例在线学习模型、基于显著性的深度特征表示、人工智能时代的信息检索技术展望。 本书内容新颖、条理清晰,适合作为计算机与人工智能相关行业从业人员的专业技术类参考用书。
關於作者:
姜文晖,男,博士,2017年博士毕业于北京邮电大学,美国加州大学圣巴巴分校访问博士生。博士毕业后在阿里巴巴达摩院从事计算机视觉方面的研究。现为江西财经大学信息管理学院讲师,硕士生导师。长期从事可视媒体内容理解、多媒体内容检索、智能监控安防等方面的研究和产业落地。在国际高水平学术期刊和会议发表论文十余篇,主持国家自然科学基金项目1项,省部级课题2项,在学术界和工业化场景中积累了丰富经验。
內容試閱
随着移动互联网和物联网的发展,海量数据正在发生爆发式增长,从大规模数据中检索与定位重要的目标信息具有广泛且重要的应用价值,因而受到学术界和工业界的大量关注。物体检索与定位,是指给定查询目标在某种模态下的信息,在大规模图像视频数据中集中定位该目标的技术。物体检索与定位是计算机视觉技术核心的课题之一。然而,由于光照、视角、遮挡等外部因素和物体本身的形变、类别多样性等内部因素的共同影响,图像在不同层次上存在复杂的表象变化。除此之外,示例、图像和标签之间的层次关联繁杂多样,这些都给物体检索与定位带来了很大的困难。

本书从实际应用的角度出发,针对示例检索、标签检索和物体定位三个相关问题进行深入研究。以视觉词袋模型和深度卷积网络模型为基础,从模型表示、模型学习和关联匹配几个方面进行扩展和完善。

(1)针对基于视觉词组的示例检索模型进行了研究。首先,优化了视觉词组的定义方式,提高了视觉词组的区分性。其次,分析了一类容易被忽视的现象,即视觉词组的突爆匹配。后,基于概率模型,提出了一种新颖的贝叶斯池化模型用于消除突爆匹配,从而优化了图像之间的相似性度量,提高了示例检索的准确性。

(2)针对基于深度卷积网络的示例检索模型进行了研究。针对示例检索的查询敏感的空间位置关联性问题,提出了一种空间位置对齐的模型框架。更进一步,提出了一种基于排序的深度卷积网络,用于建模物体的类内和类间差异性。为了训练这个网络,设计了一种半监督的训练样本收集策略。该策略不需要任何对查询物体的先验知识,并且极大地减少了人工收集训练样本所需的成本。实验结果表明,这一方法显著地提高了深度模型下示例检索的准确性。

(3)针对前背景的模糊性,从特征学习的角度,介绍了一种多示例在线学习模型解决弱监督条件下的图像标注和物体定位问题。首先,在现有的多示例学习模型的基础上,改进了训练样本的选择和更新策略。改进后的策略能够收集准确多样的正样本以及有区分性的负样本,从而提高前背景的区分性。其次,设计了一个端到端的模型,同时进行训练样本的选择和物体检测器的训练。后,通过对示例标注和图像标注进行关联,从而通过一个模型联合学习图像标注和物体检测算法。实验结果表明,这一模型有效地提高了图像标注和物体定位的性能。

(4)从特征表示的角度对标签检索和物体定位问题进行了研究。具体地,本书介绍了一种基于显著性的深度特征模型,改善基于矩形框的物体特征表示。显著性模型使得矩形框内背景区域的特征响应被抑制,而前景中重要的视觉区域的特征激活得到增强。这样的特征表示模型使得前景区域和背景区域的类内差异变小,类间差异变大,从而减少了前背景的模糊性。这一显著性特征模型可以与当前好的弱监督物体检测模型融合,从而进行端到端的联合训练。这一方法的可靠性在多个数据集上得到了验证。

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 (香港)大書城有限公司 All Rights Reserved.