掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理
開本：
32開
頁數(shù)：
442
本類五星書更多>
-
>
全國計(jì)算機(jī)等級(jí)考試最新真考題庫模擬考場及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥82.1
加入購物車
計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理 版權(quán)信息
- ISBN：9787111516828
- 條形碼：9787111516828 ; 978-7-111-51682-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理 本書特色
本書是一本從機(jī)器學(xué)習(xí)視角講解計(jì)算機(jī)視覺的非常好的教材。全書圖文并茂、語言淺顯易懂，算法描述由淺入深，即使是數(shù)學(xué)背景不強(qiáng)的學(xué)生也能輕松理解和掌握。作者展示了如何使用訓(xùn)練數(shù)據(jù)來學(xué)習(xí)觀察到的圖像數(shù)據(jù)和我們希望預(yù)測的現(xiàn)實(shí)世界現(xiàn)象之間的聯(lián)系，以及如何如何研究這些聯(lián)系來從新的圖像數(shù)據(jù)中作出新的推理。本書要求少的前導(dǎo)知識(shí)，從介紹概率和模型的基礎(chǔ)知識(shí)開始，接著給出讓學(xué)生能夠?qū)崿F(xiàn)和修改來構(gòu)建有用的視覺系統(tǒng)的實(shí)際示例。適合作為計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的高年級(jí)本科生或研究生的教材，書中詳細(xì)的方法演示和示例對于計(jì)算機(jī)視覺領(lǐng)域的專業(yè)人員也非常有用。
計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理 內(nèi)容簡介
本書是一本從機(jī)器學(xué)習(xí)視角講解計(jì)算機(jī)視覺的非常好的教材。全書圖文并茂、語言淺顯易懂，算法描述由淺入深，即使是數(shù)學(xué)背景不強(qiáng)的學(xué)生也能輕松理解和掌握。作者展示了如何使用訓(xùn)練數(shù)據(jù)來學(xué)習(xí)觀察到的圖像數(shù)據(jù)和我們希望預(yù)測的現(xiàn)實(shí)世界現(xiàn)象之間的聯(lián)系，以及如何如何研究這些聯(lián)系來從新的圖像數(shù)據(jù)中作出新的推理。本書要求少的前導(dǎo)知識(shí)，從介紹概率和模型的基礎(chǔ)知識(shí)開始，接著給出讓學(xué)生能夠?qū)崿F(xiàn)和修改來構(gòu)建有用的視覺系統(tǒng)的實(shí)際示例。適合作為計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的高年級(jí)本科生或研究生的教材，書中詳細(xì)的方法演示和示例對于計(jì)算機(jī)視覺領(lǐng)域的專業(yè)人員也非常有用。
計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理 目錄
目錄
Computer Vision:Models,Learning,and Inference
譯者序
譯者簡介
序
前言
第1章緒論1
11本書結(jié)構(gòu)2
12其他書籍4
**部分概率
第2章概率概述6
21隨機(jī)變量6
22聯(lián)合概率7
23邊緣化7
24條件概率8
25貝葉斯公式9
26獨(dú)立性9
27期望10
討論10
備注11
習(xí)題11
第3章常用概率分布12
31伯努利分布13
32貝塔分布13
33分類分布14
34狄利克雷分布14
35一元正態(tài)分布15
36正態(tài)逆伽馬分布15
37多元正態(tài)分布16
38正態(tài)逆維希特分布16
39共軛性17
總結(jié)18
備注18
習(xí)題18
第4章擬合概率模型21
41*大似然法21
42*大后驗(yàn)法21
43貝葉斯方法22
44算例1：一元正態(tài)分布22
441*大似然估計(jì)22
442*大后驗(yàn)估計(jì)24
443貝葉斯方法26
45算例2：分類分布28
451*大似然法28
452*大后驗(yàn)法29
453貝葉斯方法30
總結(jié)31
備注31
習(xí)題32
第5章正態(tài)分布34
51協(xié)方差矩陣的形式34
52協(xié)方差分解35
53變量的線性變換36
54邊緣分布36
55條件分布37
56正態(tài)分布的乘積38
57變量改變38
總結(jié)38
備注39
習(xí)題39
第二部分機(jī)器視覺的機(jī)器學(xué)習(xí)
第6章視覺學(xué)習(xí)和推理42
61計(jì)算機(jī)視覺問題42
62模型的種類42
621判別模型43
622生成模型43
63示例1：回歸43
631判別模型44
632生成模型44
64示例2：二值分類46
641判別模型46
642生成模型46
65應(yīng)該用哪種模型48
66應(yīng)用49
661皮膚檢測49
662背景差分50
總結(jié)51
備注51
習(xí)題52
第7章復(fù)雜數(shù)據(jù)密度建模54
71正態(tài)分類模型54
72隱變量56
73期望*大化57
74混合高斯模型58
741混合高斯邊緣化59
742基于期望*大化的混合模型擬合59
75t分布63
751學(xué)生t分布邊緣化64
752擬合t分布的期望*大化65
76因子分析67
761因子分析的邊緣分布68
762因子分析學(xué)習(xí)的期望*大化68
77組合模型71
78期望*大化算法的細(xì)節(jié)71
781期望*大化算法的下界73
782E步74
783M步74
79應(yīng)用75
791人臉檢測75
792目標(biāo)識(shí)別76
793分割77
794正臉識(shí)別78
795改變?nèi)四樧藨B(tài)（回歸）78
796作為隱變量的變換79
總結(jié)80
備注80
習(xí)題81
第8章回歸模型82
81線性回歸82
811學(xué)習(xí)83
812線性回歸模型的問題83
82貝葉斯線性回歸84
821實(shí)際考慮85
822擬合方差86
83非線性回歸87
831*大似然法87
832貝葉斯非線性回歸89
84核與核技巧89
85高斯過程回歸90
86稀疏線性回歸91
87二元線性回歸93
88相關(guān)向量回歸95
89多變量數(shù)據(jù)回歸96
810應(yīng)用96
8101人體姿勢估計(jì)96
8102位移專家97
討論98
備注98
習(xí)題98
第9章分類模型100
91邏輯回歸100
911學(xué)習(xí):*大似然估計(jì)102
912邏輯回歸模型的問題103
92貝葉斯邏輯回歸104
921學(xué)習(xí)104
922推理106
93非線性邏輯回歸107
94對偶邏輯回歸模型108
95核邏輯回歸110
96相關(guān)向量分類111
97增量擬合和boosting113
98分類樹116
99多分類邏輯回歸117
910隨機(jī)樹、隨機(jī)森林和隨機(jī)蕨分類器118
911與非概率模型的聯(lián)系119
912應(yīng)用120
9121性別分類120
9122臉部和行人檢測121
9123語義分割122
9124恢復(fù)表面布局123
9125人體部位識(shí)別124
討論125
備注125
習(xí)題127
第三部分連接局部模型
第10章圖模型130
101條件獨(dú)立性130
102有向圖模型131
1021示例1132
1022示例2132
1023示例3133
1024總結(jié)134
103無向圖模型134
1031示例1135
1032示例2136
104有向圖模型與無向圖模型的對比136
105計(jì)算機(jī)視覺中的圖模型137
106含有多個(gè)未知量的模型推理139
1061求*大后驗(yàn)概率的解139
1062求后驗(yàn)概率分布的邊緣分布139
1063*大化邊緣140
1064后驗(yàn)分布的采樣140
107樣本采樣140
1071有向圖模型的采樣141
1072無向圖模型的采樣141
108學(xué)習(xí)142
1081有向圖模型的學(xué)習(xí)142
1082無向圖模型的學(xué)習(xí)143
討論145
備注145
習(xí)題145
第11章鏈?zhǔn)侥Ｐ秃蜆淠Ｐ?47
111鏈?zhǔn)侥Ｐ?48
1111有向鏈?zhǔn)侥Ｐ?48
1112無向鏈?zhǔn)侥Ｐ?48
1113模型的等價(jià)性148
1114隱馬爾可夫模型在手語中的應(yīng)用149
112鏈?zhǔn)組AP推理149
113樹的MAP推理152
114鏈?zhǔn)竭吘壓篁?yàn)推理155
1141求解邊緣分布155
1142前向后向算法156
1143置信傳播157
1144鏈?zhǔn)侥Ｐ偷暮头e算法158
115樹的邊緣后驗(yàn)推理160
116鏈?zhǔn)侥Ｐ秃蜆淠Ｐ偷膶W(xué)習(xí)161
117鏈?zhǔn)侥Ｐ秃蜆淠Ｐ椭獾臇|西161
118應(yīng)用163
1181手勢跟蹤163
1182立體視覺164
1183形象化結(jié)構(gòu)166
1184分割167
討論167
備注168
習(xí)題169
第12章網(wǎng)格模型172
121馬爾可夫隨機(jī)場172
1211網(wǎng)格示例173
1212離散成對MRF圖像去噪174
122二值成對馬爾可夫隨機(jī)場的MAP推理175
1221*大流/*小割176
1222MAP推理：二值變量177
123多標(biāo)簽成對MRF的MAP推理182
124非凸勢的多標(biāo)簽MRF186
125條件隨機(jī)場189
126高階模型190
127網(wǎng)格有向模型190
128應(yīng)用191
1281背景差分191
1282交互式分割192
1283立體視覺193
1284圖像重排193
1285超分辨率195
1286紋理合成196
1287合成新面孔197
討論198
備注198
習(xí)題200
第四部分預(yù)處理
第13章圖像預(yù)處理與特征提取204
131逐像素變換204
1311白化204
1312直方圖均衡化205
1313線性濾波206
1314局部二值模式210
1315紋理基元映射211
132邊緣、角點(diǎn)和興趣點(diǎn)212
1321Canny邊緣檢測器212
1322Harris角點(diǎn)檢測器214
1323SIFT檢測器215
133描述子216
1331直方圖216
1332SIFT描述子216
1333方向梯度直方圖217
1334詞袋描述子218
1335形狀內(nèi)容描述子218
134降維219
1341單數(shù)值近似220
1342主成分分析221
1343二元主成分分析221
1344K均值算法222
結(jié)論223
備注223
習(xí)題224
第五部分幾何模型
第14章針孔攝像機(jī)228
141針孔攝像機(jī)簡介228
1411歸一化攝像機(jī)229
1412焦距參數(shù)230
1413偏移量和偏移參數(shù)230
1414攝像機(jī)的位置與方向231
1415全針孔攝像機(jī)模型232
1416徑向畸變232
142三個(gè)幾何問題233
1421問題1：學(xué)習(xí)外在參數(shù)233
1422問題2：學(xué)習(xí)內(nèi)在參數(shù)234
1423問題3：推理3D世界點(diǎn)235
1424解決問題235
143齊次坐標(biāo)236
144學(xué)習(xí)外在參數(shù)237
145學(xué)習(xí)內(nèi)在參數(shù)239
146推理3D世界點(diǎn)240
147應(yīng)用241
1471結(jié)構(gòu)光的深度241
1472剪影重構(gòu)243
討論245
備注245
習(xí)題246
第15章變換模型249
151二維變換模型249
1511歐氏變換模型249
1512相似變換模型251
1513仿射變換模型252
1514投影變換模型252
1515增加不確定性254
152變換模型中的學(xué)習(xí)255
1521學(xué)習(xí)歐氏參數(shù)255
1522學(xué)習(xí)相似參數(shù)256
1523學(xué)習(xí)仿射參數(shù)256
1524學(xué)習(xí)投影參數(shù)257
153變換模型中的推理258
154平面的三個(gè)幾何問題258
1541問題1：學(xué)習(xí)外在參數(shù)258
1542問題2：學(xué)習(xí)內(nèi)在參數(shù)260
1543問題3：與攝像機(jī)相關(guān)的3D位置推理261
155圖像間的變換261
1551單應(yīng)性的幾何特征262
1552計(jì)算圖像間的變換263
156變換的魯棒學(xué)習(xí)264
1561RANSAC264
1562連續(xù)RANSAC265
1563PEaRL266
157應(yīng)用268
1571增強(qiáng)現(xiàn)實(shí)追蹤268
1572視覺全景269
討論270
備注270
習(xí)題271
第16章多攝像機(jī)系統(tǒng)273
161雙視圖幾何學(xué)理論273
1611極線約束274
1612極點(diǎn)274
162實(shí)矩陣275
1621實(shí)矩陣的屬性276
1622實(shí)矩陣的分解277
163基礎(chǔ)矩陣279
1631基礎(chǔ)矩陣的估計(jì)279
16328點(diǎn)算法280
164雙視圖重構(gòu)的流程281
165校正284
1651平面校正284
1652極面校正286
1653校正后處理287
166多視圖重構(gòu)287
167應(yīng)用290
1671三維重構(gòu)290
1672圖片瀏覽291
1673立體圖割292
討論293
備注293
習(xí)題294
第六部分視覺模型
第17章形狀模型298
171形狀及其表示298
172snake模型299
1721推理301
1722snake模型中存在的問題301
173形狀模板302
1731推理303
1732用迭代*近點(diǎn)算法進(jìn)行推理304
174統(tǒng)計(jì)形狀模型304
1741學(xué)習(xí)305
1742推理306
175子空間形狀模型306
1751概率主成分分析307
1752學(xué)習(xí)308
1753推理309
176三維形狀模型311
177形狀和外觀的統(tǒng)計(jì)模型311
1771學(xué)習(xí)313
1772推理314
178非高斯統(tǒng)計(jì)形狀模型315
1781回歸PPCA315
1782高斯過程隱變量模型316
179鉸接式模型317
1710應(yīng)用319
17101三維形變模型319
17102三維人體模型321
討論322
備注322
習(xí)題324
第18章身份與方式模型326
181子空間身份模型328
1811學(xué)習(xí)329
1812推理331
1813在其他識(shí)別任務(wù)中的推理332
1814身份子空間模型的局限性333
182概率線性判別分析334
1821學(xué)習(xí)335
1822推理335
183非線性身份模型336
184非對稱雙線性模型337
1841學(xué)習(xí)339
1842推理339
185對稱雙線性和多線性模型341
1851學(xué)習(xí)342
1852推理343
1853多線性模型344
186應(yīng)用344
1861人臉識(shí)別344
1862紋理建模345
1863動(dòng)畫合成346
討論346
備注346
習(xí)題348
第19章時(shí)序模型349
191時(shí)序估計(jì)框架349
1911推理350
1912學(xué)習(xí)350
192卡爾曼濾波器351
1921推理351
1922改寫測量合并階段352
1923推理總結(jié)353
1924示例1353
1925示例2354
1926濾波355
1927時(shí)序和測量模型356
1928卡爾曼濾波器的問題358
193擴(kuò)展卡爾曼濾波器358
194無損卡爾曼濾波器360
1941狀態(tài)演化361
1942測量合并過程362
195粒
Computer Vision:Models,Learning,and Inference
譯者序
譯者簡介
序
前言
第1章緒論1
11本書結(jié)構(gòu)2
12其他書籍4
**部分概率
第2章概率概述6
21隨機(jī)變量6
22聯(lián)合概率7
23邊緣化7
24條件概率8
25貝葉斯公式9
26獨(dú)立性9
27期望10
討論10
備注11
習(xí)題11
第3章常用概率分布12
31伯努利分布13
32貝塔分布13
33分類分布14
34狄利克雷分布14
35一元正態(tài)分布15
36正態(tài)逆伽馬分布15
37多元正態(tài)分布16
38正態(tài)逆維希特分布16
39共軛性17
總結(jié)18
備注18
習(xí)題18
第4章擬合概率模型21
41*大似然法21
42*大后驗(yàn)法21
43貝葉斯方法22
44算例1：一元正態(tài)分布22
441*大似然估計(jì)22
442*大后驗(yàn)估計(jì)24
443貝葉斯方法26
45算例2：分類分布28
451*大似然法28
452*大后驗(yàn)法29
453貝葉斯方法30
總結(jié)31
備注31
習(xí)題32
第5章正態(tài)分布34
51協(xié)方差矩陣的形式34
52協(xié)方差分解35
53變量的線性變換36
54邊緣分布36
55條件分布37
56正態(tài)分布的乘積38
57變量改變38
總結(jié)38
備注39
習(xí)題39
第二部分機(jī)器視覺的機(jī)器學(xué)習(xí)
第6章視覺學(xué)習(xí)和推理42
61計(jì)算機(jī)視覺問題42
62模型的種類42
621判別模型43
622生成模型43
63示例1：回歸43
631判別模型44
632生成模型44
64示例2：二值分類46
641判別模型46
642生成模型46
65應(yīng)該用哪種模型48
66應(yīng)用49
661皮膚檢測49
662背景差分50
總結(jié)51
備注51
習(xí)題52
第7章復(fù)雜數(shù)據(jù)密度建模54
71正態(tài)分類模型54
72隱變量56
73期望*大化57
74混合高斯模型58
741混合高斯邊緣化59
742基于期望*大化的混合模型擬合59
75t分布63
751學(xué)生t分布邊緣化64
752擬合t分布的期望*大化65
76因子分析67
761因子分析的邊緣分布68
762因子分析學(xué)習(xí)的期望*大化68
77組合模型71
78期望*大化算法的細(xì)節(jié)71
781期望*大化算法的下界73
782E步74
783M步74
79應(yīng)用75
791人臉檢測75
792目標(biāo)識(shí)別76
793分割77
794正臉識(shí)別78
795改變?nèi)四樧藨B(tài)（回歸）78
796作為隱變量的變換79
總結(jié)80
備注80
習(xí)題81
第8章回歸模型82
81線性回歸82
811學(xué)習(xí)83
812線性回歸模型的問題83
82貝葉斯線性回歸84
821實(shí)際考慮85
822擬合方差86
83非線性回歸87
831*大似然法87
832貝葉斯非線性回歸89
84核與核技巧89
85高斯過程回歸90
86稀疏線性回歸91
87二元線性回歸93
88相關(guān)向量回歸95
89多變量數(shù)據(jù)回歸96
810應(yīng)用96
8101人體姿勢估計(jì)96
8102位移專家97
討論98
備注98
習(xí)題98
第9章分類模型100
91邏輯回歸100
911學(xué)習(xí):*大似然估計(jì)102
912邏輯回歸模型的問題103
92貝葉斯邏輯回歸104
921學(xué)習(xí)104
922推理106
93非線性邏輯回歸107
94對偶邏輯回歸模型108
95核邏輯回歸110
96相關(guān)向量分類111
97增量擬合和boosting113
98分類樹116
99多分類邏輯回歸117
910隨機(jī)樹、隨機(jī)森林和隨機(jī)蕨分類器118
911與非概率模型的聯(lián)系119
912應(yīng)用120
9121性別分類120
9122臉部和行人檢測121
9123語義分割122
9124恢復(fù)表面布局123
9125人體部位識(shí)別124
討論125
備注125
習(xí)題127
第三部分連接局部模型
第10章圖模型130
101條件獨(dú)立性130
102有向圖模型131
1021示例1132
1022示例2132
1023示例3133
1024總結(jié)134
103無向圖模型134
1031示例1135
1032示例2136
104有向圖模型與無向圖模型的對比136
105計(jì)算機(jī)視覺中的圖模型137
106含有多個(gè)未知量的模型推理139
1061求*大后驗(yàn)概率的解139
1062求后驗(yàn)概率分布的邊緣分布139
1063*大化邊緣140
1064后驗(yàn)分布的采樣140
107樣本采樣140
1071有向圖模型的采樣141
1072無向圖模型的采樣141
108學(xué)習(xí)142
1081有向圖模型的學(xué)習(xí)142
1082無向圖模型的學(xué)習(xí)143
討論145
備注145
習(xí)題145
第11章鏈?zhǔn)侥Ｐ秃蜆淠Ｐ?47
111鏈?zhǔn)侥Ｐ?48
1111有向鏈?zhǔn)侥Ｐ?48
1112無向鏈?zhǔn)侥Ｐ?48
1113模型的等價(jià)性148
1114隱馬爾可夫模型在手語中的應(yīng)用149
112鏈?zhǔn)組AP推理149
113樹的MAP推理152
114鏈?zhǔn)竭吘壓篁?yàn)推理155
1141求解邊緣分布155
1142前向后向算法156
1143置信傳播157
1144鏈?zhǔn)侥Ｐ偷暮头e算法158
115樹的邊緣后驗(yàn)推理160
116鏈?zhǔn)侥Ｐ秃蜆淠Ｐ偷膶W(xué)習(xí)161
117鏈?zhǔn)侥Ｐ秃蜆淠Ｐ椭獾臇|西161
118應(yīng)用163
1181手勢跟蹤163
1182立體視覺164
1183形象化結(jié)構(gòu)166
1184分割167
討論167
備注168
習(xí)題169
第12章網(wǎng)格模型172
121馬爾可夫隨機(jī)場172
1211網(wǎng)格示例173
1212離散成對MRF圖像去噪174
122二值成對馬爾可夫隨機(jī)場的MAP推理175
1221*大流/*小割176
1222MAP推理：二值變量177
123多標(biāo)簽成對MRF的MAP推理182
124非凸勢的多標(biāo)簽MRF186
125條件隨機(jī)場189
126高階模型190
127網(wǎng)格有向模型190
128應(yīng)用191
1281背景差分191
1282交互式分割192
1283立體視覺193
1284圖像重排193
1285超分辨率195
1286紋理合成196
1287合成新面孔197
討論198
備注198
習(xí)題200
第四部分預(yù)處理
第13章圖像預(yù)處理與特征提取204
131逐像素變換204
1311白化204
1312直方圖均衡化205
1313線性濾波206
1314局部二值模式210
1315紋理基元映射211
132邊緣、角點(diǎn)和興趣點(diǎn)212
1321Canny邊緣檢測器212
1322Harris角點(diǎn)檢測器214
1323SIFT檢測器215
133描述子216
1331直方圖216
1332SIFT描述子216
1333方向梯度直方圖217
1334詞袋描述子218
1335形狀內(nèi)容描述子218
134降維219
1341單數(shù)值近似220
1342主成分分析221
1343二元主成分分析221
1344K均值算法222
結(jié)論223
備注223
習(xí)題224
第五部分幾何模型
第14章針孔攝像機(jī)228
141針孔攝像機(jī)簡介228
1411歸一化攝像機(jī)229
1412焦距參數(shù)230
1413偏移量和偏移參數(shù)230
1414攝像機(jī)的位置與方向231
1415全針孔攝像機(jī)模型232
1416徑向畸變232
142三個(gè)幾何問題233
1421問題1：學(xué)習(xí)外在參數(shù)233
1422問題2：學(xué)習(xí)內(nèi)在參數(shù)234
1423問題3：推理3D世界點(diǎn)235
1424解決問題235
143齊次坐標(biāo)236
144學(xué)習(xí)外在參數(shù)237
145學(xué)習(xí)內(nèi)在參數(shù)239
146推理3D世界點(diǎn)240
147應(yīng)用241
1471結(jié)構(gòu)光的深度241
1472剪影重構(gòu)243
討論245
備注245
習(xí)題246
第15章變換模型249
151二維變換模型249
1511歐氏變換模型249
1512相似變換模型251
1513仿射變換模型252
1514投影變換模型252
1515增加不確定性254
152變換模型中的學(xué)習(xí)255
1521學(xué)習(xí)歐氏參數(shù)255
1522學(xué)習(xí)相似參數(shù)256
1523學(xué)習(xí)仿射參數(shù)256
1524學(xué)習(xí)投影參數(shù)257
153變換模型中的推理258
154平面的三個(gè)幾何問題258
1541問題1：學(xué)習(xí)外在參數(shù)258
1542問題2：學(xué)習(xí)內(nèi)在參數(shù)260
1543問題3：與攝像機(jī)相關(guān)的3D位置推理261
155圖像間的變換261
1551單應(yīng)性的幾何特征262
1552計(jì)算圖像間的變換263
156變換的魯棒學(xué)習(xí)264
1561RANSAC264
1562連續(xù)RANSAC265
1563PEaRL266
157應(yīng)用268
1571增強(qiáng)現(xiàn)實(shí)追蹤268
1572視覺全景269
討論270
備注270
習(xí)題271
第16章多攝像機(jī)系統(tǒng)273
161雙視圖幾何學(xué)理論273
1611極線約束274
1612極點(diǎn)274
162實(shí)矩陣275
1621實(shí)矩陣的屬性276
1622實(shí)矩陣的分解277
163基礎(chǔ)矩陣279
1631基礎(chǔ)矩陣的估計(jì)279
16328點(diǎn)算法280
164雙視圖重構(gòu)的流程281
165校正284
1651平面校正284
1652極面校正286
1653校正后處理287
166多視圖重構(gòu)287
167應(yīng)用290
1671三維重構(gòu)290
1672圖片瀏覽291
1673立體圖割292
討論293
備注293
習(xí)題294
第六部分視覺模型
第17章形狀模型298
171形狀及其表示298
172snake模型299
1721推理301
1722snake模型中存在的問題301
173形狀模板302
1731推理303
1732用迭代*近點(diǎn)算法進(jìn)行推理304
174統(tǒng)計(jì)形狀模型304
1741學(xué)習(xí)305
1742推理306
175子空間形狀模型306
1751概率主成分分析307
1752學(xué)習(xí)308
1753推理309
176三維形狀模型311
177形狀和外觀的統(tǒng)計(jì)模型311
1771學(xué)習(xí)313
1772推理314
178非高斯統(tǒng)計(jì)形狀模型315
1781回歸PPCA315
1782高斯過程隱變量模型316
179鉸接式模型317
1710應(yīng)用319
17101三維形變模型319
17102三維人體模型321
討論322
備注322
習(xí)題324
第18章身份與方式模型326
181子空間身份模型328
1811學(xué)習(xí)329
1812推理331
1813在其他識(shí)別任務(wù)中的推理332
1814身份子空間模型的局限性333
182概率線性判別分析334
1821學(xué)習(xí)335
1822推理335
183非線性身份模型336
184非對稱雙線性模型337
1841學(xué)習(xí)339
1842推理339
185對稱雙線性和多線性模型341
1851學(xué)習(xí)342
1852推理343
1853多線性模型344
186應(yīng)用344
1861人臉識(shí)別344
1862紋理建模345
1863動(dòng)畫合成346
討論346
備注346
習(xí)題348
第19章時(shí)序模型349
191時(shí)序估計(jì)框架349
1911推理350
1912學(xué)習(xí)350
192卡爾曼濾波器351
1921推理351
1922改寫測量合并階段352
1923推理總結(jié)353
1924示例1353
1925示例2354
1926濾波355
1927時(shí)序和測量模型356
1928卡爾曼濾波器的問題358
193擴(kuò)展卡爾曼濾波器358
194無損卡爾曼濾波器360
1941狀態(tài)演化361
1942測量合并過程362
195粒
展開全部
計(jì)算機(jī)視覺模型.學(xué)習(xí)和推理 作者簡介
Simon J. D. Prince博士，倫敦大學(xué)學(xué)院計(jì)算機(jī)科學(xué)系高級(jí)講師。他主講的課程包括：計(jì)算機(jī)視覺、圖像處理和高級(jí)數(shù)學(xué)方法。他有著計(jì)算機(jī)科學(xué)和生物學(xué)的專業(yè)背景，發(fā)表了多篇論文，涉及計(jì)算機(jī)視覺、生物測定學(xué)、心理學(xué)、生理學(xué)、醫(yī)學(xué)影像、計(jì)算機(jī)圖形學(xué)和人機(jī)交互。
書友推薦
- >
推拿
- >
羅曼·羅蘭讀書隨筆-精裝
- >
姑媽的寶刀
- >
上帝之肋:男人的真實(shí)旅程
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
名家?guī)阕x魯迅:故事新編
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
