視覺信息認(rèn)知計算理論

前言
第1章 概述
1.1 基于感知機(jī)理的機(jī)器學(xué)習(xí)方法
1.2 基于有效編碼假說的初級特征表示
1.2.1 有效編碼假說
1.2.2 模擬人類方式的有效編碼與特征表示
1.3 視覺表象的中級特征表示
1.4 初級視覺表象啟發(fā)下的知覺組織
1.5 注意機(jī)制
1.6 智能計算模型在場景識別中的應(yīng)用
參考文獻(xiàn)
第2章 基于視覺感知的特征表示
2.1 視覺感知
2.1.1 外部環(huán)境的輸入刺激
2.1.2 神經(jīng)信息處理機(jī)制
2.1.3 視覺感知的輸出
2.2 生物視覺感知的生理結(jié)構(gòu)
2.2.1 外周腦
2.2.2 初級視皮層
2.2.3 紋外皮層
2.2.4 高級視皮層
2.3 生物視覺感知的計算模型
2.3.1 簡單細(xì)胞響應(yīng)模型
2.3.2 復(fù)雜細(xì)胞響應(yīng)模型
2.3.3 高級皮層神經(jīng)細(xì)胞響應(yīng)模型
2.4 生物視覺啟發(fā)的特征表示及其應(yīng)用
2.4.1 獨立紋元矩
2.4.2 獨立紋元矩的圖像檢索實驗
2，5 本章小結(jié)
參考文獻(xiàn)
第3章 基于有效編碼假說的低層特征表示
3.1 有效編碼框架
3.2 基于稀疏性的有效編碼方法——稀疏編碼
3.2.1 Olshausen的稀疏編碼模型
3.2.2 基于稀疏編碼的壓縮傳感
3.3 基于獨立性的有效編碼
3.3.1 獨立分量分析
3.3.2 基于獨立分量分析的視覺模型
3.3.3 Hyvarinen研究小組的成果
3.4 基于慢變性的有效編碼方法——慢變特征分析
3.4.1 慢變特征分析簡介
3.4.2 慢變特征分析的實現(xiàn)
3.4.3 慢變特征分析與復(fù)雜細(xì)胞特性
3.4.4 慢變特征分析在手寫體識別中的應(yīng)用
3.5 本章小結(jié)
參考文獻(xiàn)
第4章 流形學(xué)習(xí)
4.1 概述
4.2 局部保持流形學(xué)習(xí)算法分析
4.2.1 局部保持的流形學(xué)習(xí)算法的基本步驟
4.2.2 幾種典型的局部保持的流形學(xué)習(xí)算法
4.2.3 局部保持的流形學(xué)習(xí)算法對比
4.2.4 全局線性化局部保持的流形學(xué)習(xí)算法
4.2.5 局部保持的流形學(xué)習(xí)算法實驗比較
4.3 全局保持的流形學(xué)習(xí)算法分析
4.3.1 幾種典型的全局保持流形學(xué)習(xí)算法
4.3.2 全局保持的流形學(xué)習(xí)算法對比
4.3.3 全局保持的流形學(xué)習(xí)算法的實驗比較.
4.4 圖嵌入框架
4.4.1 圖嵌入框架
4.4.2 圖嵌入框架下的主成分分析
4.4.3 圖嵌入框架下的判別分析
4.4.4 鄰域判別分析
4.5 本章小結(jié)
參考文獻(xiàn)
第5章 半監(jiān)督學(xué)習(xí)
5.1 半監(jiān)督學(xué)習(xí)和人類學(xué)習(xí)
5.2 半監(jiān)督學(xué)習(xí)概況
5.2.1 半監(jiān)督學(xué)習(xí)的概念
5.2.2 半監(jiān)督學(xué)習(xí)的歷史
5.2.3 未標(biāo)記數(shù)據(jù)起作用的條件
5.3 半監(jiān)督多視圖學(xué)習(xí)算法
5.3.1 協(xié)同訓(xùn)練算法
5.3.2 最大化一致算法
5.3.3 多視圖特征映射算法
5.4 半監(jiān)督學(xué)習(xí)的應(yīng)用
5.4.1 文本分類中的半監(jiān)督學(xué)習(xí)
5.4.2 圖像分割中的半監(jiān)督學(xué)習(xí)
5.5 本章小結(jié)
參考文獻(xiàn)
第6章 聚類
6.1 概述
6.2 經(jīng)典聚類算法
6.2.1 劃分法
6.2.2 層次法
6.3 聚類算法中的關(guān)鍵問題
6.3.1 距離度量問題
6.3.2 聚類數(shù)目
6.4 聚類分析與算法
6.4.1 譜聚類
6.4.2 異質(zhì)聚類
6.4.3 基于消息傳遞的聚類算法
6.4.4 關(guān)于二元相似關(guān)系的假設(shè)
6.5 聚類分析在計算機(jī)視覺感知研究中的應(yīng)用
6.5.1 圖像分割
6.5.2 圖像聚類
6.6 本章小結(jié)
參考文獻(xiàn)
第7章 知覺組織
7.1 認(rèn)知心理學(xué)的相關(guān)研究成果
7.1.1 格式塔知覺組織規(guī)則
7.1.2 視覺完形
7.1.3 非偶然性原則
7.2 無監(jiān)督的知覺組織方法
7.2.1 編組線索的描述
7.2.2 圖分割
7.2.3 張量投票
7.3 基于主動輪廓的知覺組織方法
7.3.1 氣球模型
7.3.2 距離勢能模型
7.3.3 GVF模型和GGVF模型
7.3.4 T-Snake模型
7.3.5 有形狀先驗的水平集方法
7.4 本章小結(jié)
參考文獻(xiàn)
第8章 模擬視覺注意機(jī)制的感知模型
8.1 注意機(jī)制概述
8.2 基于空間的注意機(jī)制
8.2.1 模擬自底向上視覺注意機(jī)制的感知模型
8.2.2 模擬自頂向下視覺注意機(jī)制的感知模型
8.3 基于目標(biāo)的注意機(jī)制
8.3.1 實驗依據(jù)
8.3.2 基于目標(biāo)的選擇性注意計算模型
8.4 基于what和where信息的視覺感知模型
8.4.1 模型框架
8.4.2 視覺通路理論
8.4.3 what信息和where信息的提取與表示
8.4.4 基于一級where信息的預(yù)注意
8.4.5 一級where信息驅(qū)動的集中注意
8.4.6 what信息與where信息的結(jié)合
8.4.7 實驗結(jié)果與分析
8.5 本章小結(jié)
參考文獻(xiàn)