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
視頻智能分析與理解 版權信息
- ISBN：9787302675297
- 條形碼：9787302675297 ; 978-7-302-67529-7
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
視頻智能分析與理解 本書特色
本書面向對視頻行為分析感興趣的學生和研究人員。閱讀本書需要具備一定的高等代數、線性代數、概率論、圖像處理、機器學習、深度學習等方面的基礎知識。對于本科生而言需要補充圖像處理、機器學習、深度學習等知識后閱讀本書。
視頻智能分析與理解 內容簡介
" 本書較為全面的介紹了行為定義、人體關鍵點檢測、三維人體網格重建、行為識別、行為檢測、人-物交互、應用實例。 本書從實際應用出發，以模式識別、機器學習、深度學習等理論為基礎，開展了一系列創新性的研究，并針對行為數據提取、行為特征提取、行為識別檢測等方面給出了相應的解決方案。 本書面向對視頻行為分析感興趣的學生和研究人員。閱讀本書需要具備一定的高等代數、線性代數、概率論、圖像處理、機器學習、深度學習等方面的基礎知識。對于本科生而言需要補充圖像處理、機器學習、深度學習等知識后閱讀本書。"
視頻智能分析與理解 目錄
第1章 深度學習基礎知識
1.1 深度學習的發展歷程
1.2 卷積神經網絡
1.2.1 卷積層
1.2.2 池化層
1.2.3 全連接層
1.2.4 激活函數
1.2.5 損失函數
1.2.6 Dropout
1.2.7 數據預處理
1.2.8 批歸一化
1.2.9 優化方法
1.3 代表性網絡架構
1.3.1 LeNet
1.3.2 AlexNet
1.3.3 GoogLeNet
1.3.4 VGGNet
1.3.5 ResNet
1.3.6 DenseNet
1.3.7 LSTM
1.3.8 GAN
1.4 深度學習框架
1.4.1 Caffe
1.4.2 PyTorch
1.4.3 TensorFlow
1.4.4 Theano
1.4.5 MXNet
1.4.6 PaddlePaddle
1.4.7 MindSpore
1.4.8 之江天樞人工智能開源平臺
第2章 超分辨重建技術
2.1 引言
2.2 超分辨重建技術簡介
2.3 超分辨數據集
2.4 超分辨質量評價方法
2.5 有監督超分辨技術
2.5.1 超分辨主流框架
2.5.2 典型的超分辨網絡結構
2.5.3 損失函數設計
2.6 無監督超分辨技術
2.6.1 零樣本超分辨
2.6.2 弱監督超分辨
2.7 特定領域超分辨技術
2.7.1 深度圖像超分辨重建
2.7.2 人臉超分辨重建
2.7.3 視頻超分辨重建
2.8 超分辨未來發展趨勢
第3章 目標檢測
3.1 引言
3.2 目標檢測常用數據集及評價指標
3.2.1 常用目標檢測數據集
3.2.2 常用目標檢測評價指標
3.3 傳統目標檢測算法
3.4 基于深度學習的雙階目標檢測算法
3.4.1 雙階目標檢測網絡發展歷程
3.4.2 雙階目標檢測網絡的樣本不平衡處理方法
3.5 基于深度學習的單階目標檢測算法
3.5.1 單階目標檢測網絡發展歷程
3.5.2 單階目標檢測網絡關鍵技術
3.5.3 基于Anchor-free的新型檢測技術
3.6 目標檢測難點與前沿問題
3.6.1 域自適應目標檢測
3.6.2 基于小樣本學習的目標檢測
3.6.3 基于零樣本學習的目標檢測
3.7 目標檢測應用場景與展望
3.7.1 目標檢測在安防領域的應用
3.7.2 目標檢測在軍事領域的應用
3.7.3 目標檢測在醫學領域的應用
3.7.4 目標檢測在交通領域的應用
第4章 視頻多目標跟蹤
4.1 引言
4.1.1 單目標跟蹤簡介
4.1.2 多目標跟蹤研究的背景與意義
4.1.3 多目標跟蹤的評價指標
4.2 經典的傳統多目標跟蹤技術
4.2.1 基于軌跡預測的多目標跟蹤算法
4.2.2 基于數據關聯的多目標跟蹤算法
4.3 基于深度學習的多目標跟蹤技術
4.3.1 基于深度學習的特征提取與運動預測
4.3.2 檢測與跟蹤融合的深度學習網絡
4.4 多目標跟蹤技術的未來展望
第5章 跨鏡行人重識別
5.1 引言
5.2 基于局部特征的Re-ID方法
5.2.1 圖像切塊的方法
5.2.2 利用人體姿態估計的方法
5.2.3 人體部位對齊的方法
5.3 基于表征學習的Re-ID方法
5.3.1 基于注意力機制的方法
5.3.2 引入行人屬性特征的多任務學習方法
5.3.3 基于圖像分割的方法
5.4 跨域遷移
5.4.1 基于弱監督學習的方法
5.4.2 基于無監督學習的方法
5.4.3 基于GAN的方法
5.5 基于視頻序列的Re-ID方法
5.5.1 利用運動信息建模的方法
5.5.2 利用時序信息建模的方法
5.5.33 D卷積建模方法
5.6 基于造圖的Re-ID方法
第6章 行為分析
6.1 引言
6.2 人體關鍵點檢測
6.2.1 背景
6.2.2 研究難點
6.2.3 數據集和評價標準
6.2.4 傳統方法
6.2.5 基于深度學習的方法
6.3 行為識別
6.3.1 背景
6.3.2 研究難點
6.3.3 數據集介紹
6.3.4 傳統方法iDT
6.3.5 深度學習方法
6.4 行為檢測
6.4.1 背景
6.4.2 研究難點
6.4.3 數據集介紹
6.4.4 基于深度學習的方法
6.5 本章小結
第7章 基于視頻分析的生理信號的檢測
7.1 引言
7.2 光電容積脈搏波
7.2.1 傳統的PPG波形特征及檢測原理
7.2.2 基于視頻的rPPG檢測原理
7.3 基于視頻PPG信號的心率檢測
7.3.1 PPG信號計算心率背景
7.3.2 心率相關信號預處理
7.3.3 心率計算方法
7.4 基于視頻PPG信號的血壓檢測
7.4.1 PPG信號計算血壓原理
7.4.2 血壓計算方法
7.5 基于視頻PPG信號的血糖監測
7.5.1 基于視頻監測血糖的原理
7.5.2 血糖相關信號處理及特征提取
7.5.3 血糖計算方法
第8章 卷積神經網絡模型壓縮與加速
8.1 引言
8.2 模型剪枝
8.2.1 非結構化剪枝
8.2.2 結構化剪枝
8.3 模型量化
8.4 知識蒸餾
8.5 其他壓縮與加速技術
8.5.1 低秩分解
8.5.2 簡潔結構設計
8.5.3 神經網絡架構搜索
第9章 非配合環境下視頻智能分析算法
展開全部
視頻智能分析與理解 作者簡介
徐曉剛博士，浙江工商大學計算機與信息工程學院特聘教授、博士生導師，浙江省之江實驗室特聘研究員。主要從事信號處理、時頻分析、人工智能等方面的研究和教學工作。主持完成 重大專項子課題、 自然科學基金項目、國防重大專項等20余項，主持研發的可視化產品和視頻分析產品已經應用于百余家單位。擔任多項 重大專項組專家，IEEE、《計算機學報》、《中國圖象圖形學報》等 外期刊及會議審稿專家， 自然科學基金項目評審專家。在IEEE、Pattern Recognition、IET《自動化學報》等 外期刊及會議發表論文100余篇，出版專著和教材10部，獲得發明專利10余項
書友推薦
- >
巴金－再思錄
- >
山海經
- >
【精裝繪本】畫給孩子的中國神話
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
小考拉的故事-套裝共3冊
- >
有舍有得是人生
本類暢銷
