掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 路邊視頻數(shù)據(jù)分析:深度學(xué)習(xí):deep learning
開本：
23cm
頁(yè)數(shù)：
180頁(yè)
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))
-
>
軟件性能測(cè)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):¥40.1
加入購(gòu)物車
路邊視頻數(shù)據(jù)分析:深度學(xué)習(xí):deep learning 版權(quán)信息
- ISBN：9787305212475
- 條形碼：9787305212475 ; 978-7-305-21247-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
路邊視頻數(shù)據(jù)分析:深度學(xué)習(xí):deep learning 內(nèi)容簡(jiǎn)介
路邊是一塊特殊的區(qū)域，在農(nóng)業(yè)、林業(yè)、運(yùn)輸業(yè)、能源和通訊、國(guó)家安全和環(huán)境保護(hù)部門等很多領(lǐng)域中具有重要的意義。如果能獲取路邊環(huán)境的精確信息，會(huì)有助于很多現(xiàn)實(shí)應(yīng)用的建設(shè)，比如高效路邊管理、植被增長(zhǎng)條件監(jiān)測(cè)和道路危險(xiǎn)評(píng)估。深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域正變得越來越流行。本書介紹了新的場(chǎng)景分析構(gòu)架，利用深度學(xué)習(xí)來解決路邊視頻數(shù)據(jù)的切分和分析，重點(diǎn)探討了路邊視頻數(shù)據(jù)分析的方法和應(yīng)用，描述了多種系統(tǒng)構(gòu)架和方法論，這些構(gòu)架和方法論建立在專門為路邊視頻數(shù)據(jù)處理而設(shè)計(jì)的不同種類的學(xué)習(xí)算法之上，包括切分、特征提取和分類的具體設(shè)計(jì)。本書還演示了路邊火災(zāi)風(fēng)險(xiǎn)測(cè)量上的應(yīng)用路邊視頻分析案例。
路邊視頻數(shù)據(jù)分析:深度學(xué)習(xí):deep learning 目錄
**章 導(dǎo)論
1.1 背景
1.2 搜集路邊視頻數(shù)據(jù)
1.2.1 工業(yè)數(shù)據(jù)
1.2.2 測(cè)試數(shù)據(jù)
1.3 基于路邊視頻數(shù)據(jù)的應(yīng)用
1.4 本書內(nèi)容安排
參考文獻(xiàn)
第二章 路邊視頻數(shù)據(jù)分析框架
2.1 概述
2.2 方法
2.2.1 路邊視頻數(shù)據(jù)的預(yù)處理
2.2.2 將路邊視頻數(shù)據(jù)切分為對(duì)象
2.2.3 對(duì)象特征提取
2.2.4 路邊對(duì)象分類
2.2.5 路邊對(duì)象分類應(yīng)用
2.3 相關(guān)工作
2.3.1 植被切分和分類
2.3.2 通用對(duì)象切分和分類
2.4 數(shù)據(jù)處理的Matlab代碼
參考文獻(xiàn)
第三章 路邊視頻數(shù)據(jù)分析——非深度學(xué)習(xí)技術(shù)
3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
3.1.1 簡(jiǎn)介
3.1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
3.1.3 實(shí)驗(yàn)結(jié)果
3.1 -4 總結(jié)
3.2 支持向量機(jī)學(xué)習(xí)
3.2.1 簡(jiǎn)介
3.2.2 SVM學(xué)習(xí)方法
3.2.3 實(shí)驗(yàn)結(jié)果
3.2.4 總結(jié)
3.3 聚類學(xué)習(xí)
3.3.1 簡(jiǎn)介
3.3.2 聚類學(xué)習(xí)法
3.3.3 實(shí)驗(yàn)結(jié)果
3.3.4 總結(jié)
3.4 模糊C一均值學(xué)習(xí)
3.4.1 簡(jiǎn)介
3.4.2 模糊C一均值學(xué)習(xí)方法
3.4.3 實(shí)驗(yàn)結(jié)果
3.4.4 總結(jié)
3.5 集成學(xué)習(xí)
3.5.1 簡(jiǎn)介
3.5.2 集成學(xué)習(xí)方法
3.5.3 實(shí)驗(yàn)結(jié)果
3.5.4 總結(jié)
3.6 基于多數(shù)投票法的混合學(xué)習(xí)
3.6.1 簡(jiǎn)介
3.6.2 多數(shù)投票法
3.6.3 實(shí)驗(yàn)結(jié)果
3.6.4 總結(jié)
3.7 區(qū)域合并學(xué)習(xí)
3.7.1 簡(jiǎn)介
3.7.2 區(qū)域合并法
3.7.3 方法的組件
3.7.4 實(shí)驗(yàn)結(jié)果
3.7.5 總結(jié)
參考文獻(xiàn)
第四章 路邊視頻數(shù)據(jù)分析的深度學(xué)習(xí)技術(shù)
4.1 簡(jiǎn)介
4.2 相關(guān)工作
4.3 自動(dòng)與手動(dòng)特征提取
4.3.1 簡(jiǎn)介
4.3.2 比較框架
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 總結(jié)
4.4 單一架構(gòu)VS集成架構(gòu)
4.4.1 簡(jiǎn)介
4.4.2 比較框架
4.4.3 實(shí)驗(yàn)結(jié)果
4.4.4 總結(jié)
4.5 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.1 簡(jiǎn)介
4.5.2 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.3 實(shí)驗(yàn)結(jié)果
4.5.4 討論
4.5.5 總結(jié)
參考文獻(xiàn)
第五章 案例分析：火災(zāi)風(fēng)險(xiǎn)評(píng)估中的路邊視頻數(shù)據(jù)分析
5.1 導(dǎo)論
5.2 相關(guān)工作
5.3 提出的VOCGP算法
5.3.1 問題定義和動(dòng)機(jī)
5.3.2 方法概覽
5.3.3 草區(qū)域分割
5.3.4 基于伽博濾波器投票的主垂直方向檢測(cè)
5.3.5 草像素的垂直方向連通性計(jì)算
5.4 實(shí)驗(yàn)結(jié)果
5.4.1 路邊數(shù)據(jù)搜集
5.4.2 實(shí)驗(yàn)設(shè)置
5.4.3 草生物量估計(jì)的性能
5.4.4 草密度預(yù)測(cè)的性能
5.4.5 易著火區(qū)域識(shí)別
5.5 討論
5.6 總結(jié)
參考文獻(xiàn)
第六章 總結(jié)和展望
6.1 對(duì)未來研究的建議
6.2 新的挑戰(zhàn)
6.3 新的機(jī)會(huì)和應(yīng)用
1.1 背景
1.2 搜集路邊視頻數(shù)據(jù)
1.2.1 工業(yè)數(shù)據(jù)
1.2.2 測(cè)試數(shù)據(jù)
1.3 基于路邊視頻數(shù)據(jù)的應(yīng)用
1.4 本書內(nèi)容安排
參考文獻(xiàn)
第二章 路邊視頻數(shù)據(jù)分析框架
2.1 概述
2.2 方法
2.2.1 路邊視頻數(shù)據(jù)的預(yù)處理
2.2.2 將路邊視頻數(shù)據(jù)切分為對(duì)象
2.2.3 對(duì)象特征提取
2.2.4 路邊對(duì)象分類
2.2.5 路邊對(duì)象分類應(yīng)用
2.3 相關(guān)工作
2.3.1 植被切分和分類
2.3.2 通用對(duì)象切分和分類
2.4 數(shù)據(jù)處理的Matlab代碼
參考文獻(xiàn)
第三章 路邊視頻數(shù)據(jù)分析——非深度學(xué)習(xí)技術(shù)
3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
3.1.1 簡(jiǎn)介
3.1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
3.1.3 實(shí)驗(yàn)結(jié)果
3.1 -4 總結(jié)
3.2 支持向量機(jī)學(xué)習(xí)
3.2.1 簡(jiǎn)介
3.2.2 SVM學(xué)習(xí)方法
3.2.3 實(shí)驗(yàn)結(jié)果
3.2.4 總結(jié)
3.3 聚類學(xué)習(xí)
3.3.1 簡(jiǎn)介
3.3.2 聚類學(xué)習(xí)法
3.3.3 實(shí)驗(yàn)結(jié)果
3.3.4 總結(jié)
3.4 模糊C一均值學(xué)習(xí)
3.4.1 簡(jiǎn)介
3.4.2 模糊C一均值學(xué)習(xí)方法
3.4.3 實(shí)驗(yàn)結(jié)果
3.4.4 總結(jié)
3.5 集成學(xué)習(xí)
3.5.1 簡(jiǎn)介
3.5.2 集成學(xué)習(xí)方法
3.5.3 實(shí)驗(yàn)結(jié)果
3.5.4 總結(jié)
3.6 基于多數(shù)投票法的混合學(xué)習(xí)
3.6.1 簡(jiǎn)介
3.6.2 多數(shù)投票法
3.6.3 實(shí)驗(yàn)結(jié)果
3.6.4 總結(jié)
3.7 區(qū)域合并學(xué)習(xí)
3.7.1 簡(jiǎn)介
3.7.2 區(qū)域合并法
3.7.3 方法的組件
3.7.4 實(shí)驗(yàn)結(jié)果
3.7.5 總結(jié)
參考文獻(xiàn)
第四章 路邊視頻數(shù)據(jù)分析的深度學(xué)習(xí)技術(shù)
4.1 簡(jiǎn)介
4.2 相關(guān)工作
4.3 自動(dòng)與手動(dòng)特征提取
4.3.1 簡(jiǎn)介
4.3.2 比較框架
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 總結(jié)
4.4 單一架構(gòu)VS集成架構(gòu)
4.4.1 簡(jiǎn)介
4.4.2 比較框架
4.4.3 實(shí)驗(yàn)結(jié)果
4.4.4 總結(jié)
4.5 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.1 簡(jiǎn)介
4.5.2 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.3 實(shí)驗(yàn)結(jié)果
4.5.4 討論
4.5.5 總結(jié)
參考文獻(xiàn)
第五章 案例分析：火災(zāi)風(fēng)險(xiǎn)評(píng)估中的路邊視頻數(shù)據(jù)分析
5.1 導(dǎo)論
5.2 相關(guān)工作
5.3 提出的VOCGP算法
5.3.1 問題定義和動(dòng)機(jī)
5.3.2 方法概覽
5.3.3 草區(qū)域分割
5.3.4 基于伽博濾波器投票的主垂直方向檢測(cè)
5.3.5 草像素的垂直方向連通性計(jì)算
5.4 實(shí)驗(yàn)結(jié)果
5.4.1 路邊數(shù)據(jù)搜集
5.4.2 實(shí)驗(yàn)設(shè)置
5.4.3 草生物量估計(jì)的性能
5.4.4 草密度預(yù)測(cè)的性能
5.4.5 易著火區(qū)域識(shí)別
5.5 討論
5.6 總結(jié)
參考文獻(xiàn)
第六章 總結(jié)和展望
6.1 對(duì)未來研究的建議
6.2 新的挑戰(zhàn)
6.3 新的機(jī)會(huì)和應(yīng)用
展開全部
路邊視頻數(shù)據(jù)分析:深度學(xué)習(xí):deep learning 作者簡(jiǎn)介
布里杰什·維爾馬(Brijesh Verma)，澳大利亞中央昆士蘭大學(xué)教授，智能系統(tǒng)中心主任。曾任6家國(guó)際期刊的編委。主要研究方向包括計(jì)算智能和模式識(shí)別。
書友推薦
- >
詩(shī)經(jīng)-先民的歌唱
- >
山海經(jīng)
- >
煙與鏡
- >
名家?guī)阕x魯迅:故事新編
- >
經(jīng)典常談
- >
推拿
- >
月亮虎
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
本類暢銷
