新書推薦：
《
汽车传感器结构·原理·检测·维修
》
售價：NT$
500.0
《
怪谈百物语：不能开的门（“日本文学史上的奇迹”宫部美雪重要代表作！日本妖怪物语集大成之作，系列累销突破200万册！）
》
售價：NT$
296.0
《
罗马政治观念中的自由
》
售價：NT$
230.0
《
中国王朝内争实录：宠位厮杀
》
售價：NT$
281.0
《
凡事发生皆有利于我（这是一本读了之后会让人运气变好的书”治愈无数读者的心理自助经典）
》
售價：NT$
203.0
《
未来特工局
》
售價：NT$
254.0
《
高术莫用（十周年纪念版 逝去的武林续篇 薛颠传世之作 武学尊师李仲轩家世 凸显京津地区一支世家的百年沉浮）
》
售價：NT$
250.0
《
英国简史（刘金源教授作品）
》
售價：NT$
449.0
|
| 內容簡介： |
|
模糊作为常见的图像退化方式之一，如何感知模糊、处理模糊注定是一个十分重要的课题，图像非聚焦模糊处理技术应运而生。深度学习技术的发展使图像非聚焦模糊处理性能愈发强大，在各类应用场合中逐渐发挥重要作用。本书总结了作者及团队多年来图像非聚焦模糊处理技术的研究成果，比较了该领域的最新进展情况，列举了图像非聚焦模糊智能处理方案与其应用，具有实践指导意义，有助于为读者树立对非聚焦模糊智能处理的全面认识，进一步理论研究和实际应用的基础。
|
| 關於作者： |
|
赵文达，副教授，博士生导师。研究方向包括多模态图像分析，如图像融合、目标检测、识别等。在包括 CVPR，ECCV，AAAI 等本领域顶级会议，以及 IEEE TPAMI，IEEE TIP，IEEE TNNLS，IEEE TMM， IEEE TGRS，IEEE TCSVT 等本领域顶级期刊上发表学术论文40余篇。获得 IEEE MMTC 2020 Best Conference Paper Award，山东省科技进步一等奖。目前担任中国人工智能学会智能融合专业委员会副秘书长，中国指挥与控制学会青年工作委员会委员，中国指挥与控制学会多域态势感知与认知专委会委员。
|
| 目錄：
|
目 录
第1章 绪论1
1.1 图像非聚焦模糊处理的目的和意义1
1.2 图像非聚焦模糊处理中的相关基本概念2
1.2.1 非聚焦模糊图像的定义及类别2
1.2.2 图像非聚焦模糊智能处理中的深度学习技术2
1.2.3 图像非聚焦模糊智能处理4
1.3 图像非聚焦模糊处理的设计要求和评估指标4
1.3.1 图像非聚焦模糊处理的设计要求4
1.3.2 图像非聚焦模糊处理的评估指标5
1.4 图像非聚焦模糊处理技术的研究历史及现状7
1.4.1 非聚焦模糊检测7
1.4.2 非聚焦模糊图像去模糊8
1.5 本书的研究范围和概览9
参考文献11
第2章 多尺度特征学习的图像非聚焦模糊检测14
2.1 引言14
2.2 级联映射残差学习网络15
2.2.1 方法背景15
2.2.2 级联映射残差学习模型16
2.2.3 模型训练22
2.2.4 实验23
2.3 图像尺度对称协作网络30
2.3.1 方法背景30
2.3.2 图像尺度对称协作模型32
2.3.3 模型训练36
2.3.4 实验36
2.4 小结42
参考文献42
第3章 深度集成学习的图像非聚焦模糊检测46
3.1 引言46
3.2 深度交叉集成网络46
3.2.1 方法背景46
3.2.2 深度交叉集成网络模型48
3.2.3 模型训练52
3.2.4 实验52
3.3 自适应集成网络56
3.3.1 方法背景56
3.3.2 自适应集成网络模型58
3.3.3 模型训练63
3.3.4 实验64
3.4 小结69
参考文献70
第4章 强鲁棒图像的非聚焦模糊检测74
4.1 引言74
4.2 多层级蒸馏学习的全场景非聚焦模糊检测74
4.2.1 方法背景74
4.2.2 多层级蒸馏学习的全场景非聚焦模糊检测模型77
4.2.3 模型训练82
4.2.4 实验83
4.3 基于MRFT的非聚焦模糊检测攻击89
4.3.1 方法背景89
4.3.2 基于MRFT的非聚焦模糊检测攻击模型90
4.3.3 模型训练94
4.3.4 实验95
4.4 小结102
参考文献102
第5章 弱监督学习的图像非聚焦模糊检测106
5.1 引言106
5.2 基于RCN的弱监督焦点区域检测107
5.2.1 方法背景107
5.2.2 RCN结构109
5.2.3 模型训练112
5.2.4 实验112
5.3 基于双对抗性鉴别器的自生成非聚焦模糊检测120
5.3.1 方法背景120
5.3.2 双对抗性鉴别器的网络结构122
5.3.3 模型训练124
5.3.4 实验结果与分析124
5.4 小结128
参考文献128
第6章 弱监督非聚焦图像去模糊132
6.1 引言132
6.2 对抗促进学习的非聚焦去模糊132
6.2.1 方法背景132
6.2.2 对抗促进学习的非聚焦去模糊模型134
6.2.3 模型训练138
6.2.4 实验138
6.3 非聚焦检测攻击的图像去模糊142
6.3.1 方法背景142
6.3.2 图像去模糊模型144
6.3.3 模型训练146
6.3.4 实验148
6.4 小结154
参考文献155
第7章 多聚焦图像融合的非聚焦图像去模糊159
7.1 引言159
7.2 联合多级深度监督卷积神经网络159
7.2.1 方法背景159
7.2.2 多级深度监督网络模型161
7.2.3 模型训练164
7.2.4 实验164
7.3 深度蒸馏多聚焦图像融合网络172
7.3.1 方法背景172
7.3.2 深度蒸馏多聚焦图像融合框架174
7.3.3 模型训练177
7.3.4 实验178
7.4 小结182
参考文献183
第8章 图像非聚焦模糊智能处理的实际应用187
8.1 引言187
8.2 图像非聚焦模糊检测的应用187
8.2.1 自动对焦系统187
8.2.2 计算摄影“人像模式”190
8.2.3 图片重定向191
8.2.4 自动驾驶目标检测193
8.2.5 多孔材料缺陷检测194
8.3 非聚焦图像去模糊的应用195
8.3.1 视频目标跟踪系统195
8.3.2 虚拟现实技术196
8.3.3 无人探测设备应急救援系统198
8.3.4 医学内窥镜系统199
8.3.5 光学显微镜系统200
8.4 小结201
参考文献202
第9章 回顾、建议与展望205
9.1 引言205
9.2 研究成果回顾205
9.2.1 非聚焦模糊检测的研究成果205
9.2.2 非聚焦图像去模糊的研究成果205
9.2.3 非聚焦图像智能处理技术的应用206
9.3 问题与建议206
9.3.1 训练数据集的制约问题206
9.3.2 模型规模和计算开销的问题207
9.3.3 网络模型的问题207
9.4 研究方向展望207
9.4.1 多任务结合的联合训练207
9.4.2 通用性非聚焦模糊处理大模型208
9.4.3 与前沿应用结合的特化研究208
9.5 小结2
|
|
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
HOME
新書上架
