計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題

定　價(jià)：￥40.00

作　者：	田彥編
出版社：	浙江工商大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥40.00)

ISBN：	9787517836292	出版時(shí)間：	2020-05-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	144	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題》主要介紹基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法。從實(shí)用的角度出發(fā)，《計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題》將目標(biāo)檢測(cè)問(wèn)題分為2D目標(biāo)檢測(cè)，3D目標(biāo)檢測(cè)，以及總結(jié)與展望等幾章，分別描述算法發(fā)展和側(cè)重解決的問(wèn)題，并對(duì)未來(lái)的發(fā)展趨勢(shì)做出展望。第二章，在2D目標(biāo)檢測(cè)方面，《計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題》介紹了多個(gè)學(xué)者近期感興趣的研究方向，包括：1）為了解決深度學(xué)習(xí)訓(xùn)練樣本不足的問(wèn)題，2D目標(biāo)樣本的合成；2）為了解決訓(xùn)練時(shí)樣本分布不均的問(wèn)題，研究者們?cè)陔y例選擇上做出的一些工作；3）利用弱監(jiān)督學(xué)習(xí)進(jìn)行目標(biāo)檢測(cè)；4）以及在多尺度目標(biāo)、多視角、多任務(wù)學(xué)習(xí)、遮擋等方面的問(wèn)題。第三章，在3D目標(biāo)檢測(cè)方面，介紹以下多種方案完成3D目標(biāo)檢測(cè)，包括：1）基于雙目圖像深度估計(jì)的偽雷達(dá)；2）基于點(diǎn)云投影到鳥(niǎo)的視角；3）基于RGBD圖像（2．5D表達(dá)）；4）基于規(guī)則3D體素；5）基于幾何（Frustum）信息，6）基于點(diǎn)云；7）基于多任務(wù)學(xué)習(xí)等等。最后，作者總結(jié)當(dāng)前目標(biāo)檢測(cè)算法的發(fā)展思路，分析各個(gè)流派方法的異同，并提出對(duì)未來(lái)算法發(fā)展的一些見(jiàn)解。

作者簡(jiǎn)介

暫缺《計(jì)算機(jī)視覺(jué)前沿發(fā)展：目標(biāo)檢測(cè)專(zhuān)題》作者簡(jiǎn)介

圖書(shū)目錄

第一章概述
1．1 什么是目標(biāo)檢測(cè)
1．2 2D目標(biāo)檢測(cè)簡(jiǎn)史
1．2．1 集成學(xué)習(xí)架構(gòu)
1．2．2 SVM架構(gòu)
1．2．3 DPM架構(gòu)
1．2．4 Exemplar架構(gòu)
1．2．5 深度學(xué)習(xí)架構(gòu)
1．2．6 數(shù)據(jù)庫(kù)
1．3 3D檢測(cè)簡(jiǎn)史基于SVM
1．4 本書(shū)概述
第二章 2D圖像目標(biāo)檢測(cè)
2．1 樣本合成
2．2 難例選擇
2．3 弱監(jiān)督學(xué)習(xí)
2．4 多尺度目標(biāo)
2．4．1 雙階段方法Faster RCNN
2．4．2 單階段方法SSD
2．4．3 基于GAN
2．5 多姿態(tài)（視角）問(wèn)題
2．5．1 基于Part
2．5．2 基于子類(lèi)別
2．5．3 基于形變的卷積、池化
2．5．4 基于GAN
2．5．5 基于多任務(wù)學(xué)習(xí)
2．5．6 基于3D模型
2．5．7 其他
2．6 多任務(wù)學(xué)習(xí)
2．6．1 聯(lián)合檢測(cè)和分割
2．6．2 聯(lián)合檢測(cè)和對(duì)齊
2．7 遮擋問(wèn)題
2．7．1 基于part
2．7．2 基于霍夫變換
2．7．3 基于GAN
2．7．4 基于部分?jǐn)?shù)據(jù)增強(qiáng)
2．8 環(huán)境信息
2．8．1 外擴(kuò)框
2．8．2 邊界信息
2．8．3 背景
2．8．4 物體間信息
2．8．5 層間信息
2．8．6 通道間信息
2．8．7 Attention
2．9 場(chǎng)景變化
2．10 新增物體
2．11 基于密度估計(jì)的方法
2．12 3D框檢測(cè)
2．13 視頻目標(biāo)檢測(cè)
2．14 交互
2．15 效率提升
2．16 密度估計(jì)
2．16．1 基于檢測(cè)
2．16．2 基于回歸
2．16．3 相機(jī)信息
2．16．4 時(shí)域信息
2．16．5 多尺度
2．16．6 Attention
2．16．7 基于自編碼器
2．16．8 通用目標(biāo)檢測(cè)
2．17 度量方法
2．18 非極大抑制
2．19 典型應(yīng)用
2．19．1 線的檢測(cè)
2．19．2 車(chē)輛檢測(cè)
2．19．3 車(chē)道線檢測(cè)
2．19．4 交通標(biāo)識(shí)符檢測(cè)
2．19．5 瑕疵檢測(cè)
2．19．6 行人檢測(cè)
2．19．7 人臉檢測(cè)
2．19．8 文本檢測(cè)
2．19．9 陰影檢測(cè)
2．19．10 無(wú)紋理
2．19．11 其它檢測(cè)
第三章 3D目標(biāo)檢測(cè)
3．1 基于雙目
3．2 投影到鳥(niǎo)的視角
3．3 基于2．5D表達(dá)
3．4 基于規(guī)則3D體素
3．5 利用幾何（Frustum）信息
3．6 基于點(diǎn)云
3．7 多任務(wù)學(xué)習(xí)
3．7．1 檢測(cè)與分割
3．7．2 檢測(cè)與定位
3．7．3 檢測(cè)與深度估計(jì)
第四章總結(jié)與展望
4．1 總結(jié)
4．2 展望
參考文獻(xiàn)