基於多層次理解的視頻分析技術與應用 孔龍騰 9787563572854 【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：北京郵電大學
物品所在地：中國大陸
原出版社：北京郵電大學
NT$369
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：202407*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：基於多層次理解的視頻分析技術與應用 ISBN：9787563572854 出版社：北京郵電大學 著編譯者：孔龍騰 頁數：167 所在地：中國大陸 *此為代購商品 書號：1670887 可大量預訂，請先連絡。 內容簡介 本書著眼于目前國內外快速發展的智能視頻分析技術，論述了國內外主流的視頻分析方法，主要包括視頻行為識別、視頻多目標跟蹤、視頻群體行為識別等。另外，本書在特定的體育場景、軍事場景中分析了上述視頻分析方法的局限性，並提出了契合場景的視頻分析技術。通過剖析特定場景的關鍵問題，挖掘視頻中的低層表觀特徵和高層語義關係特徵，建立基於多層次理解的視頻分析技術體系，以支撐目標跟蹤、行為識別、群體行為分析等細分任務，為國內智能視頻分析關鍵技術研究和應用開發提供參考。目錄 第1章 背景與意義第2章 國內外研究現狀 2 1 行為識別方法 2 1 1 行為識別資料庫 2 1 2 傳統的行為識別方法 2 1 3 基於深度學習的行為識別方法 2 2 多目標跟蹤方法 2 3 群體行為識別方法 2 3 1 群體行為資料庫 2 3 2 傳統的群體行為識別方法 2 3 3 基於深度學習的群體行為識別方法 本章小結 第3章 體育視頻中運動員協同跟蹤和行為識別一體化框架 3 1 引言 3 2 相關工作 3 2 1 目標跟蹤 3 2 2 行為識別 3 3 BeaVoll資料庫 3 4 尺度遮擋魯棒的跟蹤方法 3 4 1 壓縮跟蹤 3 4 2 尺度細化 3 4 3 遮擋恢復 3 5 長時間區域導向的遞歸神經網路 3 5 1 多尺度金字塔卷積神經網路 3 5 2 長短時記憶單元結構 3 5 3 訓練和測試 3 6 實驗結果與分析 3 6 1 實驗細節 3 6 2 在BeaVoll資料庫上的實驗結果 3 6 3 在UIUC2資料庫上的實驗結果 本章小結 第4章 基於長時間動作線索的體育視頻中多運動員跟蹤方法 4 1 引言 4 2 相關工作 4 3 基於長時間動作依賴的層級深度匹配方法 4 3 1 問題描述 4 3 2 檢測框連接代價 4 3 3 孿生跟蹤片相似度網路和跟蹤片連接代價 4 4 資料庫 4 5 實驗結果與分析 4 5 1 實驗細節 4 5 2 評估指標 4 5 3 結果分析 本章小結 第5章 基於注意力機制和上下文建模的體育視頻中群體行為識別方法 5 1 引言 5 2 基於注意力機制和上下文建模的群體行為識別方法 5 2 1 注意力機制的LSTM網路結構 5 2 2 層級注意力網路 5 2 3 層級上下文網路 5 3 實驗結果與分析 5 3 1 實驗細節 5 3 2 基準方法 5 3 3 在Collective Activity資料庫上的實驗結果 5 3 4 在Volleyball資料庫上的實驗結果 本章小結 第6章 面向複雜語義自適應建模的群體戰術識別方法 6 1 引言 6 2 複雜語義自適應建模的群體戰術識別方法 6 2 1 自適應的圖卷積神經網路 6 2 2 注意力時序卷積網路 6 3 實驗結果與分析 6 3 1 實驗細節 6 3 2 消融實驗 6 3 3 與其他先進方法的比較 本章小結 第7章 基於多尺度交叉距離Transformer模型的群體行為識別方法 7 1 相關工作 7 2 基於多尺度交叉距離Transformer模型的群體行為識別方法 7 2 1 方法概覽 7 2 2 跨距離注意力塊 7 2 3 層次結構 7 2 4 多尺度重構學習 7 3 實驗結果與分析 7 3 1 資料庫 7 3 2 實驗細節 7 3 3 消融實驗 7 3 4 與其他先進方法的比較 本章小結 第8章 基於長短狀態預測Transformer的群體表徵自學習方法 8 1 引言 8 2 相關工作 8 2 1 自監督學習 8 2 2 行為預測 8 3 基於長短狀態預測Transformer的群體表徵自學習方法 8 3 1 概覽 8 3 2 長短狀態編碼器 8 3 3 長短狀態解碼器 8 3 4 聯合學習機制 8 4 實驗結果與分析 8 4 1 資料庫 8 4 2 實驗細節 8 4 3 消融實驗 8 4 4 與其他先進方法的比較 本章小結 第9章 基於上下文關係預測編碼的群體行為表徵自學習方法 9 1 引言 9 2 基於上下文關係預測編碼的群體行為表徵自學習方法 9 2 1 概述 9 2 2 群體標記生成器 9 2 3 串并行Transformer編碼器 9 2 4 混合上下文Transformer解碼器 9 2 5 聯合損失 9 3 實驗結果與分析 9 3 1 資料庫 9 3 2 實驗細節 9 3 3 與其他先進方法的比較 9 3 4 消融實驗 本章小結 第10章 總結與展望 參考文獻 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。 |
