产品展示 |
![]() ![]() ![]() |
基本信息 |
图书名称: | 模式识别与计算机视觉手册(第6版) |
作者: | [美]陈季镐 |
定价: | 198.00 |
ISBN号: | 9787302618171 |
出版社: | 清华大学出版社 |
开本: | 16开 |
装帧: | 精装 |
编辑推荐 |
|
内容介绍 |
本书篇幅有限,即便在现有篇幅的基础上扩充10倍,也很难涵盖模式识别与计算机视觉领域的全面发展情况,这一点毋庸置疑。不同于期刊、特刊,本书涵盖的内容为模式识别与计算机视觉在理论和应用方面的关键成果。本书共有6版,这6版书概括了该领域近三十年的发展,通过它们,读者可以更好地了解这个不断更迭的领域。在信息研究基金会的资助下,本书的第1~4版现已向大众免费开放,网址可扫封底二维码获取。 |
作者介绍 |
陈季镐,1965年获得普渡大学电气博士学位,1962年获得美国田纳西大学诺克斯维尔分校电机工程硕士学位,1959年获得台湾大学电子工程学士学位。目前,陈博士是马萨诸塞大学达特茅斯分校电气和计算机工程名誉教授,自1968年以来,他一直任教于该大学。他的研究领域是统计模式识别和信号/图像处理应用于遥感、医学成像、地球物理、水下声学与无损检测问题,视频监控中的计算机视觉,时间序列分析,以及机器学习。在其研究领域,陈博士出版(编辑和撰写)了32本书,其中部分书籍出版于世界科学出版社。 1986—2008年,他担任《国际模式识别和人工智能杂志》的副主编。自2008年以来,他.一直是《模式识别杂志》的编委。目前,他担任世界科学出版社计算机视觉系列图书的编辑-职。自1988年以来,陈博士一直是电气和电子工程师协会(IEEE)的会员,2003年成为该协会的终身会员。自1996年以来,陈博士一直是国际模式识别协会(IAPR)的会员。. |
目录 |
第I部分 理论、技术和系统 简要介绍 2 参考文献 3 第1章 最佳统计分类 5 1 引言 5 2 最优贝叶斯分类器 6 3 离散模型OBC 9 4 高斯模型OBC 12 5 多类分类 15 6 先验构造 19 7 最优贝叶斯迁移学习 21 8 结论 25 参考文献 25 第2章 目标识别的深度判别 特征学习方法 29 1 引言 29 2 基于熵正交损失的深度判别 特征学习方法 31 3 基于最小-最大损失的深度 判别特征学习方法 36 4 图像分类任务实验 42 5 讨论 44 参考文献 45 第3章 基于深度学习的背景减法: 系统综述 49 1 引言 49 2 背景减法 50 3 实验结果 57 4 结论 59 参考文献 60 第4章 无需大型数据集即可进行 形状建模和骨架提取的相 似域网络 69 1 引言 69 2 相关研究 70 3 相似域 71 4 相似域网络 72 5 使用SDN进行参数化 形状建模 74 6 从SD中提取骨架 75 7 实验 76 8 结论 78 9 致谢 78 参考文献 79 第5章 基于曲波的纹理特征用于 模式分类研究 81 1 引言 81 2 曲波变换方法 82 3 基于曲波的纹理特征 90 4 应用问题的一个示例 90 5 总结与讨论 92 附录 92 参考文献 95 第6章 嵌入式系统高效深度 学习概述 99 1 引言 99 2 深度神经网络概述 100 3 用于DNN处理的硬件 101 4 DNN高效推理的方法 103 5 结论 106 参考文献 106 第7章 用于基于差异的多视图 学习的随机森林 108 1 引言 108 2 随机森林差异 110 3 多视图学习的差异表示 112 4 将视图与加权组合相结合 114 5 实验 121 6 结论 124 7 致谢 124 参考文献 124 第8章 图像着色综述 127 1 引言 127 2 参考图像着色 128 3 涂鸦着色 132 4 深度学习着色 134 5 其他相关研究 137 6 结论 139 参考文献 139
第9章 语音识别深度学习的 最新进展 144 1 引言 144 2 端到端模型 145 3 鲁棒性 151
4 总结及未来研究方向 155 5 致谢 157 参考文献 157
第II部分 应用 简要介绍 170 参考文献 171 第10章 遥感技术中的机器学习 173 1 引言 173 2 PolSAR图像分析的传统 处理链 175 3 整体特征提取和模型训练 175 4 结论 188 参考文献 189 第11章 基于高光谱和空间自适应 解混对具有损坏像素的数 据分数表面的解析重建 193 1 引言 193 2 基于解析2D表面的空间 自适应高光谱解混 196 3 评估和结果 199 4 结论 204 参考文献 205 第12章 视觉图像中海冰参数 识别的图像处理 211 1 引言 211 2 冰像素检测 212 3 浮冰识别 213 4 案例研究及其应用 218 5 讨论和未来研究 224 参考文献 225
第13章 深度学习在MRI大脑 结构的大脑分割和大脑 标记中的应用 228 1 引言 228 2 方法 229 3 结果 236 4 讨论 240 5 结论 242 参考文献 242 第14章 基于时间纹理分析的血管 内超声图像自动分割 246 1 引言 246 2 数据库 248 3 方法及步骤 248 4 实施和结果 254 5 结束语 256 参考文献 256 第15章 使用深度学习进行历史 文献分析 258 1 现有技术 258 2 交叉描绘的图形分类 261 3 使用历史图像合成处理 大型历史文档数据集 266 参考文献 269 第16章 通过基于图的方法进行 签名验证 275 1 引言 275 2 从签名图像到图再到验证 276 3 图编辑距离及其近似值 279 4 实验评估 284 5 结论和近期研究 286 参考文献 287 第17章 用于地震模式识别的细胞 神经网络 292 1 引言 292 2 细胞神经网络 293 3 使用DT-CNN关联记忆的 模式识别 301 4 实验 302 5 结论 307 参考文献 307 第18章 在跨模态人脸验证和 合成中加入面部属性 309 1 引言 309 2 属性引导的人脸验证 311 3 属性引导的草图-照片合成 319 4 讨论 325 参考文献 326 第19章 深度学习时代的互联和 自动驾驶汽车:计算机 引导转向的案例研究 330 1 引言 330 2 相关研究:人工智能在CAV 中的应用 332 3 相关问题 334 4 案例研究:我们提出的 方法 335 5 实验设置 337 6 分析和结果 340 7 结束语 343 8 致谢 344 参考文献 344 |