新書推薦：
《
那一抹嫣红
》
售價：HK$
70.8
《
十八岁出门远行
》
售價：HK$
54.0
《
新能源与智能汽车技术丛书——智能车辆感知、轨迹规划与控制
》
售價：HK$
141.6
《
鼻科学与前颅底手术——基于案例分析
》
售價：HK$
357.6
《
弗吉尼亚·伍尔夫传：作家的一生
》
售價：HK$
105.6
《
不胜欢喜
》
售價：HK$
63.4
《
现代欧洲史：1500—1815
》
售價：HK$
105.6
《
高颜值创意饮品：咖啡 茶饮 鸡尾酒 气泡水
》
售價：HK$
71.8
|
| 內容簡介： |
|
深度学习凭借其在识别应用领域中超高的预测准确率，在图像处理领域获得了极大关注，这势必将提升现有图像处理系统的性能并开创新的应用领域。利用卷积神经网络等深层神经网络的解决方案，可以逐渐取代基于算法可解释的传统图像处理工作。尽管图像预处理、后期处理和信号处理仍在大量采用现有方法，但在图像分类应用中，深度学习变得愈加重要。在该背景下，本书系统介绍了深度学习在数字图像处理各个研究分支的应用，包括图像增强、图像复原、图像检索、图像压缩、图像分割、目标检测、动作识别和图像配准等。每一部分都对传统方法做了概述，并穿插介绍本书作者的研究成果，反映了深度学习在数字图像处理各个研究分支的发展现状。本书可作为高等院校具有一定计算机基础的人工智能、自动化、信号与信息处理、电子信息工程、计算机科学与技术、通信工程等专业的研究生或高年级本科生的教材或参考书，也可作为科研院所相关专业的科技工作者的参考书。
|
| 關於作者： |
|
马龙华，浙江大学宁波理工学院教授，主持和承担国家自然科学基金面上项目3项、重点项目1项，工信部\中国制造2025”新模式重大专项2项，浙江省杰出青年基金和重点基金各1项；获省部级科技进步奖6项，其中省部级二等奖3项。
|
| 目錄：
|
|
第1章 数字图像处理概述11.1 数字图像的基本概念11.1.1 数字图像11.1.2 获取静态数字图像的方式71.1.3 色彩及色彩模型101.2 数字图像的获取与描述151.2.1 图像数字化151.2.2 图像灰度直方图171.2.3 图像处理算法的形式201.2.4 图像的数据结构与特征211.3 数字图像处理的研究内容和应用领域251.3.1 数字图像处理的基本流程251.3.2 数字图像处理的研究分支261.3.3 传统数字图像处理常用的理论工具301.3.4 数字图像处理的应用领域30参考文献32第2章 深度学习概述332.1 深度学习的概念332.1.1 深度学习的历史背景332.1.2 深度学习的基本思想332.1.3 深度学习的本质和优势342.2 国内外研究现状352.2.1 深度学习在语音识别领域的研究现状352.2.2 深度学习在图像识别领域的研究现状372.2.3 深度学习在自然语言处理领域的研究现状402.3 深度学习典型模型结构和训练算法412.3.1 感知机422.3.2 前馈神经网络之多层感知机432.3.3 前馈神经网络之卷积神经网络452.3.4 反馈深度网络482.3.5 双向深度网络502.3.6 深度学习训练算法552.4 深度学习的优点和已有的应用572.4.1 深度学习的优点572.4.2 深度学习已有的典型应用572.5 深度学习存在的问题及未来研究方向602.5.1 深度学习目前存在的问题602.5.2 深度学习未来研究方向61参考文献62第3章 基于深度学习的图像增强与图像恢复663.1 图像去噪663.1.1 传统图像去噪方法概述663.1.2 基于DnCNN的图像去噪693.1.3 基于CBDNet的图像去噪723.2 图像去雾743.2.1 传统图像去雾方法概述743.2.2 基于DehazeNet的图像去雾773.2.3 基于EPDN的图像去雾793.2.4 基于PMS-Net的图像去雾803.3 图像去模糊823.3.1 传统图像去模糊方法概述823.3.2 基于ResBlock的图像去模糊853.3.3 基于DAVANet的图像去模糊863.4 图像增强913.4.1 传统图像增强方法概述913.4.2 基于Deep Bilateral Learning的图像增强943.4.3 基于Deep Photo Enhancer的图像增强963.4.4 基于Deep Illumination Estimation的图像增强97参考文献99第4章 基于深度学习的图像检索1054.1 图像检索的研究背景和研究现状1054.1.1 图像检索的研究背景1054.1.2 为什么要引入深度学习1064.1.3 图像检索的研究现状1064.2 图像特征和相似性度量1084.2.1 原始数据层特征1084.2.2 物理层特征1094.2.3 语义层特征1104.2.4 图像相似性度量1104.3 基于内容的图像检索1114.3.1 基于颜色特征的图像检索1114.3.2 基于纹理特征的图像检索1134.3.3 基于形状特征的图像检索1144.3.4 基于多特征的图像检索1154.3.5 基于视觉词袋的图像检索1194.4 基于注意力机制和卷积神经网络的图像检索1224.4.1 注意力机制简介1224.4.2 图像检索中的注意力机制1234.4.3 基于注意力机制和卷积神经网络模型的图像检索1244.4.4 实验结果1274.5 基于深度信念网络的人脸图像检索1304.5.1 局部二值模式1304.5.2 DBN训练模型1304.5.3 融合LBP算子与DBN网络模型的图像检索1314.5.4 实验结果131参考文献132第5章 基于深度学习的图像压缩1365.1 图像压缩概述1365.1.1 图像压缩的目的和意义1365.1.2 传统图像压缩的方法分类和简介1375.1.3 为什么要引入深度学习1395.1.4 基于深度学习的图像压缩技术现状1395.2 基于矢量量化的图像压缩方法1405.2.1 基于矢量量化的图像压缩概述1405.2.2 基于边缘分类和范数排序的K-means算法的码书设计1425.2.3 基于特征分类和分组初始化的改进K-means算法的码书设计1465.3 基于深度学习的图像压缩方法1515.3.1 基于卷积神经网络的图像压缩方法概述1515.3.2 基于循环神经网络的图像压缩方法概述1535.3.3 基于生成对抗网络的图像压缩方法概述1545.3.4 结合卷积神经网络和传统方法的图像压缩1555.3.5 实验结果与分析159参考文献161第6章 基于深度学习的图像分割1676.1 图像分割概述1676.1.1 图像分割的目的和意义1676.1.2 传统图像分割方法分类1686.1.3 典型传统图像分割方法简介1706.1.4 为什么引入深度学习1756.2 复杂背景下毛坯轮毂图像分割及圆心精确定位1766.2.1 引言1766.2.2 基于超像素能量谱的轮毂分割1776.2.3 精确圆拟合算法1786.2.4 圆拟合结果分析1796.3 基于深度学习的图像分割概述1816.3.1 研究现状1816.3.2 几种典型实现方案1826.3.3 基于全卷积神经网络的图像分割实验结果1856.4 基于深度生成对抗网络的超声图像分割1866.4.1 引言1866.4.2 相关工作1876.4.3 基于深度生成对抗网络的臂丛分割1886.4.4 实验190参考文献193第7章 基于深度学习的人脸检测与行人检测1987.1 基于深度学习的人脸检测1987.1.1 人脸检测概述1987.1.2 基于深度学习的人脸检测算法分类和数据集2007.1.3 多任务级联卷积网络的加速2037.1.4 实验结果2097.2 行人检测概述2127.2.1 行人检测基本框架2127.2.2 基于传统机器学习的方法2127.2.3 基于深度学习的方法2137.2.4 行人检测评判标准2167.3 基于ViBe结合HOG+SVM的快速行人检测与跟踪2167.3.1 引言2167.3.2 ViBe算法2177.3.3 基于HOG+SVM的行人检测2187.3.4 基于ViBe结合HOG+SVM方案2207.3.5 实验结果与分析222参考文献227第8章 基于深度学习的动作识别2328.1 人体动作识别技术概述2328.1.1 引言2328.1.2 国内外研究现状2338.1.3 研究难点2368.2 动作识别相关技术2378.2.1 图卷积网络2378.2.2 用于骨骼动作识别的空时图卷积网络2398.2.3 用于视频动作识别的双流卷积网络2408.2.4 动作识别相关数据集2418.3 人体姿态估计2448.3.1 人体姿态估计的分类2448.3.2 OpenPose算法2458.3.3 AlphaPose算法2488.3.4 实验结果比较分析2518.4 基于图卷积网络的骨骼序列动作识别算法2538.4.1 引言2538.4.2 注意力机制和共现特征学习2538.4.3 基于图卷积网络的多任务框架2548.4.4 实验结果及分析2578.5 一种替代光流的视频动作识别算法2618.5.1 基于光流估计的双流卷积网络2618.5.2 时间轨迹滤波器2628.5.3 随机跨帧融合2648.5.4 实验结果及分析265参考文献266第9章 基于深度学习的医学图像配准2709.1 医学图像配准概述2709.1.1 基本概念2709.1.2 基本变换2709.1.3 方法分类2729.1.4 典型配准方法2729.1.5 评估方法2739.2 基于分形沙漏网络由MV-DR合成kV-DRR2749.2.1 引言2749.2.2 分形沙漏网络2749.2.3 实验2769.3 基于公共表征学习和几何约束的多模态医学图像配准2789.3.1 引言2789.3.2 方法2799.3.3 实验及算法比较2809.4 基于信息瓶颈条件生成对抗网络的MV-DR和kV-DRR配准2819.4.1 引言2819.4.2 材料和方法2829.4.3 结果287参考文献290
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
