掃一掃
關注中圖網
官方微博
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖像序列光流計算理論及優化方法 版權信息
- ISBN：9787030722744
- 條形碼：9787030722744 ; 978-7-03-072274-4
- 裝幀：平裝膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖像序列光流計算理論及優化方法 內容簡介
本書是著者及項目團隊近十年對圖像序列光流計算理論與優化方法的研究成果。從傳統圖像序列光流計算理論與深度學習光流計算理論兩個研究方向，較為系統與全面地介紹近十年圖像序列光流計算領域中出現的新方法、新理論。本書主要內容包括圖像序列光流研究背景、基本定義與國內外研究現狀、圖像序列光流計算數據集與評價標準、圖像序列變分光流計算理論與優化策略方法、圖像局部匹配光流計算理論與優化策略方法以及深度學習光流計算理論與優化策略方法；重點論述了不同圖像序列光流計算理論與優化策略方法的數學推導過程，并以著者與項目團隊研究成果為例詳細介紹了相關理論在光流估計中的應用方法與解決的問題。本書*后對所論述的光流計算理論與優化策略方法優缺點進行了總結，并對未來圖像序列光流計算理論與優化方法的研究方向進行了展望。本書可作為計算機視覺、人工智能、電子信息、控制科學與工程類等研究機構和企事業研究人員從事研究和應用的參考書，也可作為上述專業的高年級本科生、碩士生、博士生和教師用于教學與科研的參考書。
圖像序列光流計算理論及優化方法 目錄
目錄 前言 第1章 緒論 1 1.1 研究背景 1 1.2 圖像序列光流定義 1 1.2.1 運動場與光流場對應關系 1 1.2.2 光流基本約束方程 3 1.3 國內外研究發展與現狀 4 1.3.1 基于變分理論的光流計算方法 4 1.3.2 基于匹配模型的光流計算方法 7 1.3.3 基于深度學習的光流計算方法 8 1.3.4 圖像序列光流計算存在的若干問題 12 1.4 本書的主要內容及章節安排 13 第2章 光流計算數據庫及評價基準 15 2.1 引言 15 2.2 光流計算數據庫 15 2.2.1 Middlebury數據集 15 2.2.2 MPI-Sintel數據集 16 2.2.3 KITTI數據集 17 2.2.4 FlyingChairs數據集 17 2.2.5 FlyingThings3D數據集 18 2.2.6 HD1K數據集 18 2.2.7 FlyingChairsOCC數據集 19 2.3 光流評價標準 19 2.3.1 Middlebury數據集評價標準 19 2.3.2 MPI-Sintel數據集評價標準 20 2.3.3 KITTI數據集評價標準 21 2.4 本章小結 22 第3章 圖像序列變分光流計算理論與方法 23 3.1 引言 233.2 變分光流計算理論 23 3.2.1 變分原理 23 3.2.2 梯度下降流 24 3.2.3 變分光流基本方法 26 3.3 變分光流能量泛函 27 3.3.1 數據項 27 3.3.2 平滑項 29 3.4 基于圖像局部結構張量的變分光流算法 34 3.4.1 基于圖像局部結構張量的變分光流能量函數 35 3.4.2 基于圖像局部結構張量的變分光流算法數值化過程 38 3.4.3 實驗與分析 40 3.5 基于遮擋檢測的非局部TV-L1變分光流計算方法 43 3.5.1 基于Delaunay三角網格的圖像序列運動遮擋檢測 43 3.5.2 基于遮擋檢測的非局部TV-L1光流計算模型 46 3.5.3 實驗與分析 51 3.6 本章小結 53 第4章 圖像序列變分光流計算優化策略與方法 55 4.1 引言 55 4.2 圖像紋理結構分解優化策略 55 4.3 金字塔分層變形計算策略 57 4.4 非局部加權中值濾波優化 58 4.5 基于運動優化語義分割的變分光流計算方法 60 4.5.1 基于歸一化互相關的變分光流計算模型 60 4.5.2 基于運動優化語義分割的光流計算方法 62 4.5.3 實驗與分析 66 4.6 基于聯合濾波的非局部TV-L1變分光流計算方法 74 4.6.1 圖像相互結構區域 74 4.6.2 圖像光流相互結構引導濾波模型 76 4.6.3 基于聯合濾波的非局部TV-L1變分光流計算模型 77 4.6.4 基于非局部聯合濾波優化方案線性化過程 79 4.6.5 實驗與分析 81 4.7 本章小結 89 第5章 圖像局部匹配光流計算理論與方法 90 5.1 引言 90 5.2 圖像局部匹配模型 905.2.1 圖像局部特征點匹配模型 90 5.2.2 圖像局部區域匹配模型 96 5.3 基于圖像相似變換的局部匹配光流計算方法 97 5.3.1 非局部TV-L1光流估計模型 97 5.3.2 基于非剛性稠密匹配的*近鄰域場 98 5.3.3 基于非剛性稠密匹配的TV-L1光流估計 101 5.3.4 實驗與分析 103 5.4 基于圖像深度匹配的大位移運動光流計算方法 107 5.4.1 深度匹配 107 5.4.2 基于稠密插值的大位移運動光流估計 111 5.4.3 實驗與分析 113 5.5 本章小結 118 第6章 深度學習光流計算理論與方法 119 6.1 引言 119 6.2 卷積神經網絡模型 119 6.2.1 輸入層 119 6.2.2 卷積層 120 6.2.3 池化層 121 6.3 卷積神經網絡光流計算模型 122 6.3.1 FlowNet光流計算網絡模型 122 6.3.2 FlowNet2.0光流計算網絡模型 124 6.3.3 PWC-Net光流計算網絡模型 125 6.4 卷積神經網絡光流計算訓練方法 127 6.5 本章小結 128 第7章 深度學習光流優化策略與方法 129 7.1 引言 129 7.2 光流估計網絡優化策略 129 7.2.1 特征金字塔 129 7.2.2 匹配代價層 129 7.2.3 變形技術 130 7.2.4 后置處理 131 7.2.5 子網絡融合 131 7.3 光流估計訓練優化策略 132 7.3.1 有監督學習模型訓練策略 132 7.3.2 無監督學習模型訓練策略 1337.3.3 半監督學習模型訓練策略 134 7.4 基于遮擋檢測的多尺度自注意力光流估計方法 134 7.4.1 基于變形誤差的遮擋檢測模塊 135 7.4.2 基于自注意力機制的多尺度學習模塊 137 7.4.3 混合訓練函數 140 7.4.4 實驗與分析 141 7.5 基于多尺度上下文網絡模型的光流估計方法 153 7.5.1 基于多尺度上下文網絡的運動遮擋檢測模型 154 7.5.2 基于多尺度上下文網絡的遮擋–光流聯合計算模型 157 7.5.3 訓練損失函數 158 7.5.4 實驗與分析 160 7.6 本章小結 168 第8章 總結與展望 169 8.1 現有光流計算方法總結 169 8.2 光流計算技術發展展望 170 參考文獻 173
展開全部
書友推薦
- >
姑媽的寶刀
- >
我與地壇
- >
李白與唐代文化
- >
伯納黛特,你要去哪(2021新版)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
隨園食單
- >
二體千字文
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
