掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
物體檢索與定位 版權信息
- ISBN：9787113286552
- 條形碼：9787113286552 ; 978-7-113-28655-2
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
物體檢索與定位 本書特色
在這個網絡圖像資源呈指數級增長的時代，如何高效地從圖像中檢索定位重要的目標信息具有廣泛且重要的應用價值。本書從實際應用的角度出發，針對示例檢索、標簽檢索和物體定位三個相關問題進行深入研究。
物體檢索與定位 內容簡介
物體檢索與定位是計算機視覺技術核心的技術之一。本書主要闡述了物體檢索與定位中的關鍵問題和相關技術，包括大數據時代的目標檢索及應用、視覺詞組的貝葉斯池化模型、位置對齊的深度示例檢索模型、多示例在線學習模型、基于顯著性的深度特征表示、人工智能時代的信息檢索技術展望。 本書內容新穎、條理清晰，適合作為計算機與人工智能相關行業從業人員的專業技術類參考用書。
物體檢索與定位 目錄
第1章 大數據時代的目標檢索及應用
1.1 大數據時代的大搜索趨勢
1.2 物體搜索：問題與挑戰
1.2.1 示例檢索
1.2.2 標簽檢索與定位
1.2.3 關鍵技術難題
1.3 針對物體檢索與定位的研究歷史與現狀
1.3.1 基于示例的檢索模型
1.3.2 圖像標注
1.3.3 物體檢測
1.4 技術測評
1.4.1 數據集介紹
1.4.2 性能評價指標
參考文獻
第2章 視覺詞組的貝葉斯池化模型
2.1 詞袋模型
2.2 詞袋模型相關工作
2.2.1 視覺單詞的上下文建模
2.2.2 視覺突爆現象
2.2.3 貝葉斯決策理論
2.3 基于視覺詞組的示例檢索模型
2.3.1 視覺詞組的挖掘
2.3.2 相似性度量
2.3.3 相關工作在框架下的解釋
2.4 貝葉斯池化模型
2.4.1 突爆匹配與池化
2.4.2 模型的建立
2.4.3 參數估計
2.5 實驗結果與分析
2.5.1 實現細節
2.5.2 參數影響
2.5.3 性能對比
2.5.4 可視化分析
小結
參考文獻
第3章 位置對齊的深度示例檢索模型
3.1 示例檢索的研究現狀
3.2 示例檢索有關的技術發展
3.2.1 深度卷積網絡
3.2.2 基于深度卷積網絡的示例檢索
3.3 模型整體結構
3.4 似物性采樣
3.5 基于排序學習的深度特征學習模型
3.5.1 模型結構
3.5.2 模型訓練
3.5.3 特征提取
3.6 半監督的訓練數據收集策略
3.7 搜索與排序
3.7.1 級聯量化編碼
3.7.2 索引結構
3.7.3 在線查詢
3.8 實驗結果與分析
3.8.1 實現細節
3.8.2 性能對比
3.8.3 效率分析
3.8.4 可視化分析
小結
參考文獻
第4章 多示例在線學習模型
4.1 監督信息
4.2 物體檢測的工作
4.2.1 多示例學習
4.2.2 多標簽學習
4.2.3 基于CNN的弱監督物體檢測
4.3 多示例在線學習
4.3.1 概述
4.3.2 特征表示模塊
4.3.3 示例分類模塊
4.3.4 示例采樣模塊
4.3.5 迭代精化
4.4 實驗結果與分析
4.4.1 實現細節
4.4.2 關鍵區域選擇的重要性
4.4.3 與弱監督深度檢測網絡WSDDN的變種進行性能對比
4.4.4 與其他模型的性能對比
小結
參考文獻
第5章 基于顯著性的深度特征表示
5.1 視覺注意機制
5.2 視覺注意機制相關工作
5.3 模型結構
5.3.1 物體的顯著性模型
5.3.2 顯著性池化
5.4 實驗結果與分析
5.4.1 實現細節
5.4.2 模型分析
5.4.3 與其他方法的性能對比
5.4.4 可視化分析
小結
參考文獻
第6章 人工智能時代的信息檢索技術展望
6.1 物體檢索與定位技術總結
6.2 物體檢索與定位研究展望
1.1 大數據時代的大搜索趨勢
1.2 物體搜索：問題與挑戰
1.2.1 示例檢索
1.2.2 標簽檢索與定位
1.2.3 關鍵技術難題
1.3 針對物體檢索與定位的研究歷史與現狀
1.3.1 基于示例的檢索模型
1.3.2 圖像標注
1.3.3 物體檢測
1.4 技術測評
1.4.1 數據集介紹
1.4.2 性能評價指標
參考文獻
第2章 視覺詞組的貝葉斯池化模型
2.1 詞袋模型
2.2 詞袋模型相關工作
2.2.1 視覺單詞的上下文建模
2.2.2 視覺突爆現象
2.2.3 貝葉斯決策理論
2.3 基于視覺詞組的示例檢索模型
2.3.1 視覺詞組的挖掘
2.3.2 相似性度量
2.3.3 相關工作在框架下的解釋
2.4 貝葉斯池化模型
2.4.1 突爆匹配與池化
2.4.2 模型的建立
2.4.3 參數估計
2.5 實驗結果與分析
2.5.1 實現細節
2.5.2 參數影響
2.5.3 性能對比
2.5.4 可視化分析
小結
參考文獻
第3章 位置對齊的深度示例檢索模型
3.1 示例檢索的研究現狀
3.2 示例檢索有關的技術發展
3.2.1 深度卷積網絡
3.2.2 基于深度卷積網絡的示例檢索
3.3 模型整體結構
3.4 似物性采樣
3.5 基于排序學習的深度特征學習模型
3.5.1 模型結構
3.5.2 模型訓練
3.5.3 特征提取
3.6 半監督的訓練數據收集策略
3.7 搜索與排序
3.7.1 級聯量化編碼
3.7.2 索引結構
3.7.3 在線查詢
3.8 實驗結果與分析
3.8.1 實現細節
3.8.2 性能對比
3.8.3 效率分析
3.8.4 可視化分析
小結
參考文獻
第4章 多示例在線學習模型
4.1 監督信息
4.2 物體檢測的工作
4.2.1 多示例學習
4.2.2 多標簽學習
4.2.3 基于CNN的弱監督物體檢測
4.3 多示例在線學習
4.3.1 概述
4.3.2 特征表示模塊
4.3.3 示例分類模塊
4.3.4 示例采樣模塊
4.3.5 迭代精化
4.4 實驗結果與分析
4.4.1 實現細節
4.4.2 關鍵區域選擇的重要性
4.4.3 與弱監督深度檢測網絡WSDDN的變種進行性能對比
4.4.4 與其他模型的性能對比
小結
參考文獻
第5章 基于顯著性的深度特征表示
5.1 視覺注意機制
5.2 視覺注意機制相關工作
5.3 模型結構
5.3.1 物體的顯著性模型
5.3.2 顯著性池化
5.4 實驗結果與分析
5.4.1 實現細節
5.4.2 模型分析
5.4.3 與其他方法的性能對比
5.4.4 可視化分析
小結
參考文獻
第6章 人工智能時代的信息檢索技術展望
6.1 物體檢索與定位技術總結
6.2 物體檢索與定位研究展望
展開全部
物體檢索與定位 作者簡介
姜文暉，男，博士，2017年博士畢業于北京郵電大學，美國加州大學圣巴巴分校訪問博士生。博士畢業后在阿里巴巴達摩院從事計算機視覺方面的研究。現為江西財經大學信息管理學院講師，碩士生導師。長期從事可視媒體內容理解、多媒體內容檢索、智能監控安防等方面的研究和產業落地。在國際高水平學術期刊和會議發表論文十余篇，主持國家自然科學基金項目1項，省部級課題2項，在學術界和工業化場景中積累了豐富經驗。
書友推薦
- >
二體千字文
- >
姑媽的寶刀
- >
伊索寓言-世界文學名著典藏-全譯本
- >
【精裝繪本】畫給孩子的中國神話
- >
煙與鏡
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
苦雨齋序跋文-周作人自編集
本類暢銷
