中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
曲面物體3D重建與計算機視覺分析 版權(quán)信息
- ISBN：9787030665942
- 條形碼：9787030665942 ; 978-7-03-066594-2
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
曲面物體3D重建與計算機視覺分析 內(nèi)容簡介
本書較詳細地介紹了曲面物體3D重建與基于深度學習的計算機視覺分析關鍵技術，內(nèi)容不但包括了搶先發(fā)售接觸本學科的讀者所需要具備的基礎知識，而且包括近年來國內(nèi)曲面物體3D重建與計算機視覺分析關鍵技術研究的重要成果。 本書可以作為高等院校計算機視覺、計算機軟件與理論、人工智能和遙感圖像處理等相關專業(yè)的高年級本科生或研究生的教材，也可以供相關領域的研究人員參考。
曲面物體3D重建與計算機視覺分析 目錄
目錄
前言
第1章 深度圖像分割 1
1.1 深度圖像傳統(tǒng)分割方法 1
1.1.1 基于邊緣的分割方法 1
1.1.2 基于區(qū)域的分割方法 6
1.1.3 傳統(tǒng)深度圖像分割方法的缺陷 8
1.2 深度圖像數(shù)學形態(tài)學分割 10
1.2.1 數(shù)學形態(tài)學基礎理論 10
1.2.2 深度形態(tài)學基礎理論 14
1.2.3 深度形態(tài)學基本運算 16
1.3 深度圖像分割新方法 18
1.3.1 深度圖像預處理 18
1.3.2 基于形態(tài)學算子的深度圖像分割 22
1.3.3 基于水線區(qū)域的深度圖像分割 23
1.4 方法驗證與評估 25
1.4.1 計算機仿真 25
1.4.2 實驗結(jié)果 30
1.4.3 深度圖像分割方法評估體系 32
1.5 本章小結(jié) 34
參考文獻 35
第2章 基于參數(shù)活動輪廓和向量場卷積的圖像分割 37
2.1 活動輪廓模型理論 37
2.1.1 活動輪廓模型基本思想與分類 38
2.1.2 曲線演化理論 39
2.1.3 參數(shù)活動輪廓模型原理 41
2.1.4 幾何活動輪廓模型 44
2.1.5 Snake模型 45
2.2 Snake參數(shù)輪廓模型改進 47
2.2.1 Snake模型改進 47
2.2.2 改進力構(gòu)成 49
2.3 實驗結(jié)果 51
2.3.1 仿真實驗說明 51
2.3.2 不同圖像分割法結(jié)果分析 52
2.4 本章小結(jié) 57
參考文獻 58
第3章 點云模型偽洞修補與區(qū)域分割 60
3.1 點云模型基礎 60
3.1.1 點云模型基本理論 60
3.1.2 點云模型幾何特性 66
3.1.3 曲率估算 70
3.2 偽洞檢測與修補 71
3.2.1 偽洞基本理論 71
3.2.2 檢測偽洞邊界點 73
3.2.3 偽洞邊界提取 75
3.2.4 偽洞填充彌補 81
3.3 區(qū)域分割方法 92
3.3.1 傳統(tǒng)區(qū)域分割方法驗證 92
3.3.2 活動輪廓模型分割方法驗證 93
3.3.3 實驗結(jié)果 95
3.4 本章小結(jié) 97
參考文獻 97
第4章 基于計算機視覺的水果分級 100
4.1 基于深度學習的水果分級 100
4.1.1 基于數(shù)字圖像處理的水果分級方法 100
4.1.2 基于深度學習的水果分級方法 106
4.2 水果分級模型的優(yōu)化和改進 110
4.2.1 數(shù)據(jù)優(yōu)化 110
4.2.2 VGG16結(jié)構(gòu)優(yōu)化 113
4.3 本章小結(jié) 122
參考文獻 123
第5章 基于深度學習的花卉圖像分類 124
5.1 基于多損失注意力網(wǎng)絡的花卉圖像分類 124
5.1.1 Xception模型概述 125
5.1.2 注意力機制 126
5.1.3 三元組損失函數(shù) 130
5.1.4 多損失注意力網(wǎng)絡模型設計 131
5.1.5 實驗結(jié)果 136
5.2 基于多損失注意力雙線性網(wǎng)絡的花卉圖像分類 141
5.2.1 殘差網(wǎng)絡 141
5.2.2 雙線性卷積神經(jīng)網(wǎng)絡模型 143
5.2.3 多損失注意力雙線性網(wǎng)絡設計 146
5.2.4 實驗結(jié)果 148
5.3 本章小結(jié) 150
參考文獻 150
彩圖
前言
第1章 深度圖像分割 1
1.1 深度圖像傳統(tǒng)分割方法 1
1.1.1 基于邊緣的分割方法 1
1.1.2 基于區(qū)域的分割方法 6
1.1.3 傳統(tǒng)深度圖像分割方法的缺陷 8
1.2 深度圖像數(shù)學形態(tài)學分割 10
1.2.1 數(shù)學形態(tài)學基礎理論 10
1.2.2 深度形態(tài)學基礎理論 14
1.2.3 深度形態(tài)學基本運算 16
1.3 深度圖像分割新方法 18
1.3.1 深度圖像預處理 18
1.3.2 基于形態(tài)學算子的深度圖像分割 22
1.3.3 基于水線區(qū)域的深度圖像分割 23
1.4 方法驗證與評估 25
1.4.1 計算機仿真 25
1.4.2 實驗結(jié)果 30
1.4.3 深度圖像分割方法評估體系 32
1.5 本章小結(jié) 34
參考文獻 35
第2章 基于參數(shù)活動輪廓和向量場卷積的圖像分割 37
2.1 活動輪廓模型理論 37
2.1.1 活動輪廓模型基本思想與分類 38
2.1.2 曲線演化理論 39
2.1.3 參數(shù)活動輪廓模型原理 41
2.1.4 幾何活動輪廓模型 44
2.1.5 Snake模型 45
2.2 Snake參數(shù)輪廓模型改進 47
2.2.1 Snake模型改進 47
2.2.2 改進力構(gòu)成 49
2.3 實驗結(jié)果 51
2.3.1 仿真實驗說明 51
2.3.2 不同圖像分割法結(jié)果分析 52
2.4 本章小結(jié) 57
參考文獻 58
第3章 點云模型偽洞修補與區(qū)域分割 60
3.1 點云模型基礎 60
3.1.1 點云模型基本理論 60
3.1.2 點云模型幾何特性 66
3.1.3 曲率估算 70
3.2 偽洞檢測與修補 71
3.2.1 偽洞基本理論 71
3.2.2 檢測偽洞邊界點 73
3.2.3 偽洞邊界提取 75
3.2.4 偽洞填充彌補 81
3.3 區(qū)域分割方法 92
3.3.1 傳統(tǒng)區(qū)域分割方法驗證 92
3.3.2 活動輪廓模型分割方法驗證 93
3.3.3 實驗結(jié)果 95
3.4 本章小結(jié) 97
參考文獻 97
第4章 基于計算機視覺的水果分級 100
4.1 基于深度學習的水果分級 100
4.1.1 基于數(shù)字圖像處理的水果分級方法 100
4.1.2 基于深度學習的水果分級方法 106
4.2 水果分級模型的優(yōu)化和改進 110
4.2.1 數(shù)據(jù)優(yōu)化 110
4.2.2 VGG16結(jié)構(gòu)優(yōu)化 113
4.3 本章小結(jié) 122
參考文獻 123
第5章 基于深度學習的花卉圖像分類 124
5.1 基于多損失注意力網(wǎng)絡的花卉圖像分類 124
5.1.1 Xception模型概述 125
5.1.2 注意力機制 126
5.1.3 三元組損失函數(shù) 130
5.1.4 多損失注意力網(wǎng)絡模型設計 131
5.1.5 實驗結(jié)果 136
5.2 基于多損失注意力雙線性網(wǎng)絡的花卉圖像分類 141
5.2.1 殘差網(wǎng)絡 141
5.2.2 雙線性卷積神經(jīng)網(wǎng)絡模型 143
5.2.3 多損失注意力雙線性網(wǎng)絡設計 146
5.2.4 實驗結(jié)果 148
5.3 本章小結(jié) 150
參考文獻 150
彩圖
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
月亮虎
- >
伯納黛特,你要去哪(2021新版)
- >
李白與唐代文化
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書
- >
自卑與超越
- >
姑媽的寶刀
本類暢銷
