新書推薦：
《
钩编圆滚滚的瓦尤包袋
》
售價：HK$
65.8
《
日暮途穷：大清覆灭前夕的关键时刻
》
售價：HK$
96.8
《
固定收益证券分析（原书第4版）
》
售價：HK$
218.9
《
肺部疾病临床与影像解析（第二版）
》
售價：HK$
360.8
《
明代书院讲会研究
》
售價：HK$
97.9
《
消失的亿万富翁：更好的投资、财务决策指南
》
售價：HK$
76.9
《
新见明代南京仓场文书：天一阁藏公文纸本《国朝诸臣奏议》纸背文献整理与研究
》
售價：HK$
385.0
《
逃避不可耻，但没用，如何走出回避型人格的困境？
》
售價：HK$
61.6
|
| 編輯推薦： |
|
本书探究了网络信息流完整性传递机制，构建了空间解耦的多尺度表征学习框架，拓展了频域知识空间学习与高效特征融合，提出了语义-定位解耦的高分辨率语义生成方法、引入了重参数化方法改善训练动态提升模型泛化，并针对实际系统给出了模型搭建原则、部署策略及运行实例。本书全面提升了自主智能系统场景语义解析算法的实时性、准确性、鲁棒性及泛化性，增强了自主智能系统的环境感知与任务执行能力。
|
| 內容簡介： |
本书围绕场景语义解析算法的信息传递、特征提取、知识表征、语义生成、训练优化五个方面开展研究，并在典型自主智能系统上进行测试与应用。本书探究了网络信息流完整性传递机制，构建了空间解耦的多尺度表征学习框架，拓展了频域知识空间学习与高效特征融合，提出了语义-定位解耦的高分辨率语义生成方法、引入了重参数化方法改善训练动态提升模型泛化，并针对实际系统给出了模型搭建原则、部署策略及运行实例。本书全面提升了自主智能系统场景语义解析算法的实时性、准确性、鲁棒性及泛化性，增强了自主智能系统的环境感知与任务执行能力。
來源：香港大書城megBookStore,http://www.megbook.com.hk
本书适合对视觉场景理解感兴趣的学生、教师、研究人员和工程师阅读。
|
| 關於作者： |
|
陈启军，同济大学教授，博士导师。中国（上海）数字城市研究院执行院长。主要从事人工智能与机器人方面的研究。曾作为客座教授在德国University of Hagen做客座研究（2002）、美国UC Berkeley访问学者（2008）、瑞士苏黎世联邦理工学院访问学者（2010）、美国南加州大学访问学者（2012）、美国卡内基梅隆大学访问学者（2018）。 自动化教学指导委员会委员，中国自动化学会理事，中国人工智能学会理事，中国自动化学会集成自动化技术专业委员会主任，中国自动化学会智能自动专业委员会副主任，中国人工智能学会智能机器人专业委员会常委，上海市自动化学会副理事长。科技部重点研发计划首席科学家， 新世纪优秀人才，上海市优秀学术带头人，上海市曙光学者，上海市领军人才，获国务院政府特殊津贴。
|
| 目錄：
|
第 1章绪论 1
1.1背景与意义
1
1.
2国内外研究现状 5
1.
2.1视觉场景信息处理与传递 5
1.
2.2高效多尺度特征提取框架 7
1.
2.3高维知识表征方法 8
1.
2.4高分辨率语义生成技术 10
1.
2.5网络训练动态改善技术 11
1.
2.6场景语义解析算法网络构建及其应用 13
1.
2.7场景语义解析数据集及评价标准 . 14
1.
3科学问题与研究内容 18
1.
3.1拟解决的科学问题 . 18
1.
3.2本书的研究内容 20
1.4本书内容安排
22
第 2章网络信息流传递机制 . 24
2.1概述
. 24
2.
1.1拟解决的主要问题 . 25
2.
1.2研究内容及贡献 26
2.
2结构信息留存策略 . 26
2.
2.1网络结构设计 . 27
2.2.2性能分析
28
2.
2.3与现有方法对比 28
2.
3具有相互引导性的上-下采样对 29
2.
3.1网络结构设计 . 30
2.3.2性能分析
31
2.
3.3与现有方法对比 33
2.
4层次化高分辨率信息恢复与生成 . 34
2.
4.1网络结构设计 . 35
2.4.2性能分析
35
2.
4.3与现有方法对比 37
2.
5实验结果与分析 . 38
2.
5.1实验模型构建 . 38
2.5.2消融研究
39
2.
5.3与当前先进方法的性能对比 . 44
2.
5.4算法优势与局限性分析 47
2.6本章小结
. 49
第 3章空间多尺度特征学习 . 50
3.1概述
. 50
3.
1.1拟解决的主要问题 . 51
3.
1.2研究内容及贡献 52
3.2空间邻域解耦
-耦合算子 52
3.2.1算子定义
52
3.
2.2与现有方法对比 54
3.
3初始特征的局部感知与全局建模 . 55
3.
3.1网络结构设计 . 56
3.3.2性能分析
57
3.
3.3与现有方法对比 58
3.
4高级特征的空间并行多尺度学习 . 59
3.
4.1网络结构设计 . 59
3.4.2性能分析
60
3.
4.3与现有方法对比 62
3.
5实验结果与分析 . 63
3.5.1实验模型
63
3.5.2消融研究
63
3.
5.3与当前先进方法的性能对比 . 69
3.
5.4算法优势与局限性分析 73
3.6本章小结
. 74
第 4章频域下高效知识表征 . 75
4.1概述
. 75
4.
1.1拟解决的主要问题 . 76
4.
1.2研究内容及贡献 77
4.
2全感受野卷积算子 . 77
4.
2.1网络结构设计 . 78
4.2.2设计原理
79
4.2.3性能分析
79
4.
3频域下全局空间结构建模 . 80
4.
3.1网络结构设计 . 80
4.3.2设计原理
81
4.
4因子化注意力机制下的融合表征 . 82
4.
4.1网络结构设计 . 82
4.4.2设计原理
83
4.
5实验结果与分析 . 84
4.
5.1实验模型构建 . 84
4.5.2消融研究
85
4.
5.3与当前先进方法的性能对比 . 87
4.6本章小结
. 88
第 5章幅-相感知与高分辨率语义生成 . 89
5.1概述
. 89
5.
1.1拟解决的主要问题 . 90
5.
1.2研究内容及贡献 91
5.
2图像频域表征分析 . 91
5.
2.1图像频域表征形式 . 91
5.
2.2图像谱特性分析 93
5.2.3语义
-定位解耦表征变换 . 94
5.
3基于幅度感知的语义多样性表征 . 95
5.3.1设计原理
95
5.
3.2网络结构设计 . 96
5.
4基于相位修正的定位原型优化 . 97
5.4.1设计原理
97
5.
4.2网络结构设计 . 98
5.
5相位敏感性约束 . 99
5.5.1设计原理
99
5.5.2设计细节
100
5.
6实验结果与分析 . 102
5.
6.1实验模型构建 . 102
5.6.2消融研究
104
5.
6.3与当前先进方法的性能对比 . 110
5.7本章小结
. 113
第 6章模型训练动态优化 . 114
6.1概述
. 114
6.
1.1拟解决的主要问题 . 115
6.
1.2研究内容及贡献 116
6.
2隐式正则效应度量方法 . 116
6.
2.1网络训练动态度量 . 116
6.
2.2推理权重奇异值分布度量 . 117
6.
3稠密重参数化驱动的隐式正则机制 118
6.
3.1构建深度矩阵分解式结构 . 118
6.3.2引入
BN保证可训练性 . 120
6.
3.3引入稠密连接以缓解奇异性 . 122
6.4训练
-推理解耦结构及等价变换 126
6.
4.1稠密重参数化模块相关参数选择 . 128
6.
4.2稠密重参数化模块的建模对比 129
6.
5实验结果与分析 . 129
6.5.1实验设置
130
6.5.2消融实验
130
6.
5.3先进性验证实验 136
6.
5.4在场景语义解析任务上的验证实验 . 139
6.6本章小结
. 139
第 7章典型应用案例 . 141
7.
1部署策略与方案 . 141
7.
1.1特定硬件下的深度网络模型设计 . 142
7.
1.2特定硬件平台下的部署策略 . 149
7.
2结构化静态航空消声蜂窝精准定位 150
7.2.1任务描述
151
7.2.2算法实施
152
7.
2.3进展与成果 . 154
7.
3半结构化对抗场景下 RoboCup仿人机器人视觉感知 . 155
7.3.1任务描述
156
7.3.2算法实施
157
7.
3.3进展与成果 . 159
7.
4复杂交互场景下的安全监管与人员行为识别 . 160
7.4.1任务描述
160
7.4.2算法实施
162
7.4.3进展与成果 . 164
7.5高动态开放场景下自动驾驶车辆车道线检测 . 166
7.5.1任务描述 166
7.5.2算法实施 168
7.5.3进展与成果 . 169
7.6本章小结 . 170
第 8章总结与展望 . 172
8.1总结 . 172
8.2展望 . 174
参考文献 . 177
附录 A主要符号对照表 191
|
| 內容試閱：
|
随着机器人与人工智能技术的发展，自主智能系统在现代工业、国防及日常生活等领域取得了广泛应用。场景语义解析，又称场景理解或语义分割，是视觉环境感知的核心问题与基础性关键技术，旨在通过对复杂的自然图像进行像素级分类，将视觉传感器数据转换为符合人类认知与表述习惯的知识描述，即识别场景中的物体、属性、关系、动作等语义要素，从而赋予自主智能系统环境感知能力。鉴于自主智能系统工作场景复杂、动态性强、响应要求迅速，但计算资源受限、成像质量难以保证等特点，如何实现准确、鲁棒且泛化性强的视觉场景语义解析是提升自主智能系统环境感知能力、自制能力和执行能力的关键难题。
本书主要从理论与方法的角度，系统地介绍了场景语义解析的基本概念、主要挑战、前沿方法，以及在典型自主智能系统上的应用等内容，旨在为广大读者提供一本全面而深入的专著，以满足科研实践与人才培养需求。本书适合作为相关领域科研人员、工程师及相关专业学生的指导书或参考书。
全书共 8章。第 1章阐述本书研究背景及意义，介绍视觉环境感知中场景语义解析的关键技术、国内外研究进展以及本书的研究内容。第 2章针对场景语义解析模型在信息传递过程中存在不可避免的信息损失问题，介绍本书提出的基于“全息”网络架构的网络信息流传递机制。第 3章针对场景语义解析模型在多维特征提取时面临的多尺度特征轻量提取与去冗表征问题，介绍本书提出的基于邻域解耦-耦合的空间多尺度表征学习算法。第 4章针对场景语义解析模型在知识表征利用过程中，高维知识的低效挖掘与信息过载问题，介绍本书提出的基于频域学习的知识空间拓展挖掘与高效融合算法。第 5章针对场景语义解析模型在高分辨率语义生成阶段面临的高级语义与精细定位的矛盾统一问题，介绍本书提出的基于幅-相感知的语义-定位解耦表征算法。第 6章针对场景语义解析模型在训练优化时遭受的数据依赖和网络退化问题，介绍本书提出的基于结构重参数化的训练动态优化与泛化能力提升算法。第 7章针对实际自主智能系统中特定硬件平台的计算特性，归纳总结高效深度网络模型设计方法、部署策略，介绍相关典型应用案例。第 8章对全书内容进行总结并对场景语义解析未来的发展趋势与研究热点进行展望与讨论。
本书为单色印刷，部分图片显示效果欠佳，读者可扫描二维码查看彩色图片。
本书的主要内容来自闫卿卿、李树的博士学位论文，由陈启军、刘成菊、闫卿卿汇总整理。本书中的研究得到了国家自然科学基金重点项目 62333017、62233013的资助。
在此谨向对本书撰写提供支持与帮助的科研单位、研究人员，以及提出宝贵意见的专家、学者表示诚挚的谢意。
限于作者水平，书中错误与疏漏在所难免，恳请各位读者不吝指正。
作者
2024年 12月 20日
|
|
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
