智能視覺信息處理關鍵技術 楊紅紅 9787030804976 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202504*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：智能視覺信息處理關鍵技術
ISBN：9787030804976
出版社：科學
著編譯者：楊紅紅
頁數：209
所在地：中國大陸 *此為代購商品
書號：1732076
可大量預訂，請先連絡。

內容簡介

在大數據時代背景與人工智能技術浪潮的推動下，基於視頻圖像處理的信息技術憑藉其生動、形象、直觀的特性，以及易於獲取的優勢，實現了廣泛的應用。作為計算機視覺研究領域的核心分支，智能視覺信息處理技術研究內容涵蓋圖像處理、模式識別、機器學習和人工智能等多個學科，不僅具有顯著的學術價值，而且展現出巨大的應用潛力。全書共六篇，介紹基於視頻圖像處理的人體行為軌跡估計與跟蹤、2D人體姿態估計、3D人體姿態估計、舞蹈姿態估計與對比分析、漢字字體自動生成以及應用研究。本書中的模型和方法可以擴展至眾多基於視覺信息處理技術的應用場景，以提供理論參考、方法借鑒和技術支撐。

目錄

第一篇 人體行為軌跡估計與跟蹤
第1章 基於多特徵級聯稀疏表示的目標跟蹤方法
1 1 引言
1 2 基於粒子濾波框架的跟蹤算法
1 2 1 粒子濾波算法
1 2 2 基於多特徵融合的粒子濾波跟蹤算法
1 3 基於多特徵融合表示的外觀模型
1 4 基於級聯稀疏編碼的目標表示
1 4 1 構造外觀模型
1 4 2 第一級稀疏編碼
1 4 3 第二級稀疏編碼
1 5 狀態更新
1 6 實驗結果與性能分析
1 6 1 參數設置
1 6 2 定性比較
1 6 3 定量比較
1 7 本章小結
第2章 基於目標性度量學習的加權多示例跟蹤方法
2 1 引言
2 2 基於目標性度量學習的加權多示例跟蹤算法整體框架
2 3 目標性度量學習
2 4 基於目標性度量權重分配的包概率計算
2 5 分類器更新
2 6 在線目標匹配約束
2 7 基於其他指標的目標性度量
2 8 實驗結果與性能分析
2 8 1 參數設置
2 8 2 定性比較
2 8 3 基於不同目標性度量指標的加權多示例跟蹤算法對比實驗
2 8 4 定量比較
2 9 本章小結
第3章 基於壓縮感知尺度自適應的多示例交通目標跟蹤方法
3 1 引言
3 2 基於壓縮感知的多示例特徵提取
3 3 低維壓縮特徵的多示例分類
3 4 基於目標性度量的尺度自適應調整
3 4 1 尺度自適應跟蹤框選取
3 4 2 目標性度量
3 5 基於目標判別機制的分類器更新
3 6 實驗結果與性能分析
3 6 1 參數設置
3 6 2 定性比較
3 6 3 定量分析
3 6 4 對比實驗
3 7 本章小結
第4章 基於特徵學習軌跡置信度計算的多人目標跟蹤方法
4 1 引言
4 2 基於KCF學習軌跡置信度計算的多人目標跟蹤算法
4 2 1 基於KCF的關聯相似度計算
4 2 2 基於KCF的檢測響應校正
4 2 3 基於KCF的遮擋分析
4 2 4 基於APCE軌跡置信度的兩步數據關聯
4 2 5 候選目標假設集的更新
4 3 實驗結果與性能分析
4 3 1 多目標跟蹤數據集
4 3 2 參數設置與評價指標
4 3 3 消融實驗分析
4 3 4 與主流算法對比分析
4 4 本章小結
第二篇 2D人體姿態估計
第5章 基於多尺度特徵學習的多人姿態估計
5 1 引言
5 2 基於多尺度特徵學習的多人姿態估計算法
5 2 1 網絡架構設計
5 2 2 基於注意力的多尺度特徵融合模型
5 2 3 尺度感知的關節點回歸模型
5 3 實驗結果與性能分析
5 3 1 多人姿態估計數據集
5 3 2 參數設置與評價指標
5 3 3 消融實驗分析
5 3 4 與主流算法對比分析
5 4 本章小結
第6章 基於序列多尺度特徵融合表示的層級舞蹈動作姿態估計
6 1 引言
6 2 基於序列多尺度特徵融合表示的層級舞蹈動作姿態估計算法
6 2 1 基於YOLOv3的人體框檢測
6 2 2 多尺度特徵融合表示
6 2 3 基於關節點幾何關係的層級姿態估計
6 2 4 損失函數
6 3 實驗結果與性能分析
6 3 1 實驗數據、對比算法及評價指標
6 3 2 實驗設置
6 3 3 實驗結果分析
6 4 本章小結
第三篇 3D人體姿態估計
第7章 基於時空注意力機制的3D人體姿態估計
7 1 引言
7 2 網絡結構設計
7 3 基於時空注意力機制的3D人體姿態估計算法
7 3 1 骨架約束池化模型
7 3 2 時空注意力特徵提取模型
7 3 3 多尺度特徵融合模型
7 3 4 網絡損失函數
7 4 實驗結果與性能分析
7 4 1 3D姿態數據集
7 4 2 參數設置與評價指標
7 4 3 消融實驗分析
7 4 4 與主流算法對比分析
7 4 5 可視化結果
7 5 本章小結
第8章 基於平行多尺度時空圖卷積網絡的3D人體姿態估計
8 1 引言
8 2 時空圖卷積網絡
8 3 平行多尺度時空圖卷積模型
8 3 1 對角佔優的時空注意力圖卷積
8 3 2 平行多尺度時空圖卷積網絡
8 4 整體網絡結構
8 5 實驗結果與性能分析
8 5 1 數據集與評價指標
8 5 2 實驗設置
8 5 3 實驗結果分析
8 5 4 可視化結果
8 6 本章小結
第四篇 舞蹈姿態估計與對比分析
第9章 基於2D姿態估計的舞蹈動作相似度計算
9 1 引言
9 2 基於階梯型相似度計算的2D舞蹈動作對比
9 2 1 關節點定位
9 2 2 偏移角度計算
9 2 3 相似度計算與姿態疊加
9 3 實驗結果與性能分析
9 3 1 實驗數據與環境
9 3 2 基於2D姿態估計的實驗結果與分析
9 4 本章小結
第10章 基於3D姿態估計的舞蹈動作相似度計算
10 1 引言
10 2 基於上下文和跨
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。