模式識別與計算機視覺手冊（第6版）

第I部分  理論、技術(shù)和系統(tǒng)
簡要介紹 2
參考文獻 3
第1章  統(tǒng)計分類 5
1  引言 5
2  貝葉斯分類器 6
3  離散模型OBC 9
4  高斯模型OBC 12
5  多類分類 15
6  先驗構(gòu)造 19
7  貝葉斯遷移學習 21
8  結(jié)論 25
參考文獻 25
第2章  目標識別的深度判別
特征學習方法 29
1  引言 29
2  基于熵正交損失的深度判別
特征學習方法 31
3  基于小-損失的深度
判別特征學習方法 36
4  圖像分類任務(wù)實驗 42
5  討論 44
參考文獻 45
第3章  基于深度學習的背景減法：
系統(tǒng)綜述 49
1  引言 49
2  背景減法 50
3  實驗結(jié)果 57
4  結(jié)論 59
參考文獻 60
第4章  無需大型數(shù)據(jù)集即可進行
形狀建模和骨架提取的相
似域網(wǎng)絡(luò) 69
1  引言 69
2  相關(guān)研究 70
3  相似域 71
4  相似域網(wǎng)絡(luò) 72
5  使用SDN進行參數(shù)化
形狀建模 74
6  從SD中提取骨架 75
7  實驗 76
8  結(jié)論 78
9  致謝 78
參考文獻 79
第5章  基于曲波的紋理特征用于
模式分類研究 81
1  引言 81
2  曲波變換方法 82
3  基于曲波的紋理特征 90
4  應(yīng)用問題的一個示例 90
5  總結(jié)與討論 92
附錄 92
參考文獻 95
第6章  嵌入式系統(tǒng)高效深度
學習概述 99
1  引言 99
2  深度神經(jīng)網(wǎng)絡(luò)概述 100
3  用于DNN處理的硬件 101
4  DNN高效推理的方法 103
5  結(jié)論 106
參考文獻 106
第7章  用于基于差異的多視圖
學習的隨機森林 108
1  引言 108
2  隨機森林差異 110
3  多視圖學習的差異表示 112
4  將視圖與加權(quán)組合相結(jié)合 114
5  實驗 121
6  結(jié)論 124
7  致謝 124
參考文獻 124
第8章  圖像著色綜述 127
1  引言 127
2  參考圖像著色 128
3  涂鴉著色 132
4  深度學習著色 134
5  其他相關(guān)研究 137
6  結(jié)論 139
參考文獻 139
第9章  語音識別深度學習的
進展 144
1  引言 144
2  端到端模型 145
3  魯棒性 151
4  總結(jié)及未來研究方向 155
5  致謝 157
參考文獻 157
第II部分  應(yīng)用
簡要介紹 170
參考文獻 171
第10章  遙感技術(shù)中的機器學習 173
1  引言 173
2  PolSAR圖像分析的傳統(tǒng)
處理鏈 175
3  整體特征提取和模型訓練 175
4  結(jié)論 188
參考文獻 189
第11章  基于高光譜和空間自適應(yīng)
解混對具有損壞像素的數(shù)
據(jù)分數(shù)表面的解析重建 193
1  引言 193
2  基于解析2D表面的空間
自適應(yīng)高光譜解混 196
3  評估和結(jié)果 199
4  結(jié)論 204
參考文獻 205
第12章  視覺圖像中海冰參數(shù)
識別的圖像處理 211
1  引言 211
2  冰像素檢測 212
3  浮冰識別 213
4  案例研究及其應(yīng)用 218
5  討論和未來研究 224
參考文獻 225
第13章  深度學習在MRI大腦
結(jié)構(gòu)的大腦分割和大腦
標記中的應(yīng)用 228
1  引言 228
2  方法 229
3  結(jié)果 236
4  討論 240
5  結(jié)論 242
參考文獻 242
第14章  基于時間紋理分析的血管
內(nèi)超聲圖像自動分割 246
1  引言 246
2  數(shù)據(jù)庫 248
3  方法及步驟 248
4  實施和結(jié)果 254
5  結(jié)束語 256
參考文獻 256
第15章  使用深度學習進行歷史
文獻分析 258
1  現(xiàn)有技術(shù) 258
2  交叉描繪的圖形分類 261
3  使用歷史圖像合成處理
大型歷史文檔數(shù)據(jù)集 266
參考文獻 269
第16章  通過基于圖的方法進行
簽名驗證 275
1  引言 275
2  從簽名圖像到圖再到驗證 276
3  圖編輯距離及其近似值 279
4  實驗評估 284
5  結(jié)論和近期研究 286
參考文獻 287
第17章  用于地震模式識別的細胞
神經(jīng)網(wǎng)絡(luò) 292
1  引言 292
2  細胞神經(jīng)網(wǎng)絡(luò) 293
3  使用DT-CNN關(guān)聯(lián)記憶的
模式識別 301
4  實驗 302
5  結(jié)論 307
參考文獻 307
第18章  在跨模態(tài)人臉驗證和
合成中加入面部屬性 309
1  引言 309
2  屬性引導的人臉驗證 311
3  屬性引導的草圖-照片合成 319
4  討論 325
參考文獻 326
第19章  深度學習時代的互聯(lián)和
自動駕駛汽車：計算機
引導轉(zhuǎn)向的案例研究 330
1  引言 330
2  相關(guān)研究：人工智能在CAV
中的應(yīng)用 332
3  相關(guān)問題 334
4  案例研究：我們提出的
方法 335
5  實驗設(shè)置 337
6  分析和結(jié)果 340
7  結(jié)束語 343
8  致謝 344
參考文獻 344