圖像分割原理與技術實現 彭淩西 9787030788849 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$1,005
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202406*若逾兩年請先於私訊洽詢存貨情況，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：圖像分割原理與技術實現 ISBN：9787030788849 出版社：科學 著編譯者：彭淩西 頁數：288 所在地：中國大陸 *此為代購商品 書號：1658351 可大量預訂，請先連絡。 內容簡介 本書在圖像預處理方法、圖像語義分割概念、評價指標等基礎上，首先介紹了傳統圖像分割方法及發展歷程，以及神經網路和深度學習的演變過程，然後介紹了經典語義分割網路如全卷積網路、U-Net、DeconvNet、DeepLab系列演算法、全局卷積網路、RefincNct等，實時語義分割網路如SegNet、ENet、BiSeNet、DFANet、Light-WeightRefineNet，室內RGB-D語義分割網路如RedNct、RDFNct。本書不僅介紹了圖像分割方法的原理，還給出了代碼實例和註釋說明，以便讀者理解。 本書適合計算機科學或人工智慧等專業的高校師生、科研人員閱讀，也可供對人工智慧相關研究感興趣的讀者參閱。目錄 序前言 第1章 緒論 1 1 引言 1 2 數字圖像基礎 1 2 1 數字圖像概念 1 2 2 圖像三要素 1 2 3 數字圖像文件格式 1 3 圖像預處理 1 3 1 點運算 1 3 2 直方圖處理 1 3 3 圖像去噪 1 4 圖像語義分割基本操作 1 4 1 卷積 1 4 2 圖像填充 1 4 3 下採樣 1 4 4 上採樣 1 4 5 one-hot編碼 1 5 圖像分割評價指標 1 5 1 準確率 1 5 2 混淆矩陣 1 5 3 交並比 1 5 4 靈敏度 1 5 5 特異性 1 5 6 F1分數 參考文獻 第2章 傳統圖像分割方法和數學形態學 2 1 傳統圖像分割方法 2 1 1 基於閾值的圖像分割方法 2 1 2 基於區域的圖像分割方法 2 1 3 基於邊緣的圖像分割方法 2 1 4 基於圖論的圖像分割方法 2 1 5 基於能量泛函的圖像分割方法 2 1 6 基於特定工具的圖像分割方法 2 1 7 其他分割方法 2 2 數學形態學 2 2 1 膨脹和腐蝕 2 2 2 閉運算與開運算 2 2 3 形態學梯度 2 2 4 頂帽運算 2 2 5 黑帽運算 2 3 圖像金字塔 2 3 1 高斯金字塔 2 3 2 拉普拉斯金字塔 2 3 3 高斯差分 2 4 小結 參考文獻 第3章 神經網路和深度學習 3 1 生物神經網路原理 3 2 人工神經網路發展 3 3 深度學習模型 3 3 1 卷積神經網路 3 3 2 基於多層神經元的自編碼神經網路 3 3 3 深度置信網路 3 4 小結及相關研究 3 4 1 小結 3 4 2 相關研究 參考文獻 第4章 全卷積網路 4 1 引言 4 2 VGGNet 4 2 1 VGGNet簡介 4 2 2 VGG16具體代碼實現 4 3 FCN網路結構 4 4 FCN演算法原理 4 4 1 全卷積結構 4 4 2 上採樣 4 4 3 特徵融合 4 5 FCN具體實現介紹 4 6 小結及相關研究 4 6 1 小結 4 6 2 相關研究 參考文獻 第5章 U-Net 5 1 引言 5 1 1 U-Net簡介 5 1 2 U-Net發展歷程 5 1 3 U-Net的基本概念 5 2 U-Net網路模型 5 2 1 網路結構 5 2 2 演算法原理 5 2 3 演算法流程及實現代碼 5 3 AFNet網路模型 5 3 1 AFNet網路結構介紹 5 3 2 相關研究內容 5 3 3 演算法流程及實現代碼 5 4 小結及相關研究 5 4 1 小結 5 4 2 相關研究 參考文獻 第6章 SegNet 6 1 引言 6 1 1 SegNet背景 6 1 2 SegNet發展歷程 6 2 SegNet結構介紹 6 2 1 SegNet網路結構介紹 6 2 2 相關 內容簡介 6 3 實驗 6 3 1 評價指標 6 3 2 參數及數據集 6 3 3 SegNet性能對比 6 3 4 SegNet結構代碼 6 4 小結及相關研究 參考文獻 第7章 DeepLab系列演算法 7 1 引言 7 1 1 DeepLab系列演算法簡介 7 1 2 DeepLab發展歷程 7 2 網路結構 7 2 1 網路結構介紹 7 2 2 主要創新點 7 3 演算法流程以及實現代碼 7 3 1 DeepLab v1 7 3 2 DeepLab v2 7 3 3 DeepLab v3 7 3 4 DeepLab v3+ 7 4 小結及相關研究 7 4 1 小結 7 4 2 相關研究 參考文獻 第8章 GCN 8 1 引言 8 1 1 GCN簡介 8 1 2 GCN相關基礎概念 8 2 總體網路結構介紹 8 3 演算法原理 8 3 1 全局卷積網路結構 8 3 2 邊緣細化模塊 8 4 實驗 8 4 1 數據集性能測試 8 4 2 預訓練模型嵌入 8 5 演算法流程及實現代碼 8 5 1 演算法流程 8 5 2 具體實現代碼 8 6 小結及相關研究 8 6 1 小結 8 6 2 相關研究 參考文獻 第9章 輕量級實時分割 9 1 引言 9 1 1 輕量級網路簡介 9 1 2 輕量級網路發展歷程 9 2 ENet網路 9 2 1 主要創新點 9 2 2 結構介紹 9 2 3 ENet實驗 9 3 BiSeNet網路 9 3 1 主要創新點 9 3 2 結構介紹 9 3 3 BiSeNet實驗 9 4 DFANet網路 9 4 1 主要創新點 9 4 2 結構介紹 9 4 3 DFANet實驗 9 5 小結及相關研究 9 5 1 小結 9 5 2 相關研究 參考文獻 第10章 RedNet：RGB-D語義分割入門 10 1 引言 10 2 室內RGB-D語義分割和金字塔監督 10 2 1 室內RGB-D語義分割 10 2 2 金字塔監督 10 3 演算法流程以及實現 10 3 1 演算法流程 10 3 2 實現 10 4 小結及相關研究 10 4 1 小結 10 4 2 相關研究 參考文獻 第11章 RDFNet 11 1 引言 11 1 1 背景以及相關工作 11 1 2 RefineNet發展歷程 11 2 網路結構 11 2 1 網路結構介紹 11 2 2 MMFNet模塊 11 3 演算法流程及實現代碼 11 3 1 RDFNet 11 3 2 RDFNet實現 11 4 小結及相關研 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
