計算機視覺十講 查紅彬 9787111756866 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202501*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：計算機視覺十講
ISBN：9787111756866
出版社：機械工業
著編譯者：查紅彬
頁數：517
所在地：中國大陸 *此為代購商品
書號：1710872
可大量預訂，請先連絡。

內容簡介

計算機視覺是人工智能的重要分支，其研究是計算機系統智能化的第一步，也是實現人工智能的橋樑。本書面向計算機視覺，聚焦前沿算法理論，分別講述了圖像分類、檢測、生成、視頻處理等計算機視覺領域的研究重點，也對計算機視覺的基本概念和計算機視覺研究的預備知識進行了簡要介紹，幫助讀者在構建完整的計算機視覺知識框架的同時，打下較為堅實的基礎，為進一步在計算機視覺和相關領域提出新設想、開發新算法、解決新問題創造良好的條件。本書可作為人工智能專業和計算機類相關專業的低年級研究生學習計算機視覺的參考書，也可作為從事計算機視覺技術研究工作的科研人員的自學用書。

作者簡介

查紅彬，北京大學智能學院博雅特聘教授，機器感知與智能教育部重點實驗室主任。主要從事計算機視覺與智能機器人感知的研究，在三維視覺幾何計算、三維重建與環境幾何建模、感測器即時定位與地圖構建等方面取得一系列成果，發表學術期刊及國際會議論文350多篇。現任中國計算機學會出版工作委員會主任、中國圖象圖形學學會監事長，曾任中國計算機學會計算機視覺專委會主任。獲得CCF-CV傑出成就獎等學術獎項。

目錄

叢書序
「十講」序
推薦序
前言
第1講 底層視覺
1 1 底層視覺概述
1 1 1 底層視覺定義
1 1 2 傳統底層視覺方法
1 2 基於數學模型的底層視覺方法
1 2 1 全變分模型
1 2 2 稀疏和低秩模型
1 2 3 小結
1 3 基於深度學習的底層視覺方法
1 3 1 圖像去噪
1 3 2 圖像超解析度
1 3 3 基於VGG模型的圖像超解析度方法
1 3 4 圖像去模糊
1 4 底層視覺的挑戰與展望
參考文獻
第2講 圖像質量評價
2 1 全參考/部分參考型圖像質量評價
2 1 1 全參考型圖像質量評價
2 1 2 部分參考型圖像質量評價
2 2 無參考型圖像質量評價
2 2 1 基於統計學的無參考型圖像質量評價
2 2 2 基於深度學習的無參考型圖像質量評價
2 3 圖像美學質量評價
2 3 1 大眾化圖像美學評價
2 3 2 個性化圖像美學評價
2 4 總結與展望
參考文獻
第3講 圖像分割
3 1 圖像分割概述
3 1 1 早期圖像分割
3 1 2 語義分割
3 1 3 實例分割和全景分割
3 1 4 其他分割問題
3 2 圖像語義分割
3 2 1 背景與問題
3 2 2 基於傳統特徵的圖像語義分割
3 2 3 基於深度特徵的圖像語義分割
3 3 圖像實例分割
3 3 1 問題定義
3 3 2 兩階段實例分割
3 3 3 一階段實例分割
3 3 4 基於Transformer的實例分割
3 4 圖像全景分割
3 4 1 問題定義
3 4 2 子任務分離的全景分割
3 4 3 子任務統一的全景分割
3 5 弱監督圖像分割
3 5 1 基於超像素的方法
3 5 2 基於分類網絡的方法
3 6 跨域圖像分割
3 6 1 基於風格遷移的輸入級圖像對齊
3 6 2 基於域不變特徵發掘的中間級特徵對齊
3 6 3 基於標籤分佈發掘的輸出級預測結果對齊
3 7 醫療圖像分割
3 7 1 全監督醫療圖像分割
3 7 2 弱監督醫療圖像分割
參考文獻
第4講 目標檢測
4 1 目標檢測概述
4 1 1 目標檢測的概念
4 1 2 目標檢測的研究意義
4 1 3 目標檢測的發展路線
4 1 4 小結
4 2 非深度學習目標檢測方法
4 2 1 圖像匹配方法
4 2 2 機器學習方法
4 2 3 小結
4 3 深度學習目標檢測方法
4 3 1 深度學習簡介
4 3 2 深度學習模型
4 3 3 基於深度學習的方法框架
4 4 評價指標和數據集
4 4 1 數據集
4 4 2 評價指標
4 5 討論與展望
4 5 1 目標檢測面臨的挑戰
4 5 2 目標檢測的發展趨勢
參考文獻
第5講 目標跟蹤
5 1 引言
5 2 目標跟蹤概述
5 2 1 目標跟蹤的基本概念
5 2 2 目標跟蹤的分類方式
5 2 3 目標跟蹤的研究意義
5 2 4 小結
5 3 單目標跟蹤
5 3 1 傳統方法
5 3 2 深度學習方法
5 3 3 數據集與評價指標
5 3 4 小結
5 4 多目標跟蹤
5 4 1 多目標關聯技術
5 4 2 一體化多目標跟蹤技術
5 4 3 數據集與評價指標
5 4 4 小結
5 5 其他跟蹤問題
5 5 1 視頻目標檢測與多目標跟蹤
5 5 2 視頻實例分割中的跟蹤問題
5 5 3 半監督視頻物體分割
5 5 4 小結
5 6 應用
5 6 1 目標跟蹤與安防監控
5 6 2 目標跟蹤與智能機器人
5 6 3 目標跟蹤與自動駕駛
5 6 4 無人機精準跟蹤
5 6 5 跟蹤輔助視頻標註
5 7 總結與展望
5 7 1 目標跟蹤面臨的挑戰
5 7 2 目標跟蹤的發展趨勢
5 7 3 小結
參考文獻
第6講 行人重識別
6 1 行人重識別的定義與常用方法
6 1 1 背景與問題
6 1 2 常用方法
6 2 行人重識別中的小樣本問題
6 2 1 弱監督建模
6 2 2 無監督建模
6 2 3 遷移學習建模
6 3 行人重識別中的開放性建模問題
6 3 1 遮擋問題
6 3 2 跨模態問題
6 3 3 換裝問題
6 3 4 其他問題
參考文獻
第7講 視頻行為識別
7 1 引言
7 2 視頻行為識別數據集
7 2 1 通用行為識別數據集
7 2 2 骨架行為識別數據集
7 2 3 群體行為識別數據集
7 2 4 時域行為定位數據集
7 2 5 時空行為定位數據集
7 2 6 音視頻行為定位數據集
7 3 視頻行為分類
7 3 1 基於手工特徵的視頻行為分類方法概述
7 3 2 基於深度學習的視頻行為分類方法概述
7 3 3 常用方法
7 4 行為定位
7 4 1 時域行為定位
7 4 2 時空行為定位
7 5 骨架行為識別
7 5 1 早期骨架行為識別方法
7 5 2 基於深度學習的骨架行為識別
7 5 3 總結與展望
7 6 多模態行為識別
7 6 1 基於文本的視頻定位
7 6 2 音視頻行為識別
7 7 交互及組群行為識別
7 7 1 交互行為識別
7 7 2
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。