123,123,123

內(nèi)容簡(jiǎn)介

　　《計(jì)算機(jī)視覺(jué)技術(shù)：事件相機(jī)原理與應(yīng)用》是一本關(guān)于事件相機(jī)原理基礎(chǔ)的入門(mén)類(lèi)圖書(shū)。主要從計(jì)算機(jī)視覺(jué)技術(shù)的基礎(chǔ)和相關(guān)數(shù)學(xué)基礎(chǔ)開(kāi)始講解，對(duì)事件信息的編碼、事件的卷積（普通卷積、稀疏卷積、圖卷積、3D 卷積）分別進(jìn)行了生動(dòng)的介紹，最后又通過(guò)三個(gè)章節(jié)，對(duì)基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、脈沖神經(jīng)網(wǎng)絡(luò)（SNN）、生成對(duì)抗網(wǎng)絡(luò)（GAN）的事件處理的原理和方法做了解讀。本書(shū)圖文并茂，文字生動(dòng)有趣，內(nèi)容淺顯易懂，并配有較多例題和習(xí)題，以便讀者理解和鞏固，適用于對(duì)事件相機(jī)方向感興趣的技術(shù)人員閱讀，同時(shí)也可供計(jì)算機(jī)視覺(jué)方向的初學(xué)者閱讀和學(xué)習(xí)。

作者簡(jiǎn)介

暫缺《計(jì)算機(jī)視覺(jué)技術(shù)：事件相機(jī)原理與應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1 章計(jì)算機(jī)視覺(jué)簡(jiǎn)介 001
1.1 計(jì)算機(jī)視覺(jué)的概念 001
1.2 計(jì)算機(jī)視覺(jué)的應(yīng)用 002
1.2.1 圖像分類(lèi) 003
1.2.2 目標(biāo)檢測(cè) 003
1.2.3 圖像分割 004
1.2.4 目標(biāo)跟蹤 004
1.2.5 其他應(yīng)用 005
1.3 思考與練習(xí) 005

第2 章事件相機(jī)的原理 006
2.1 數(shù)學(xué)基礎(chǔ)知識(shí) 007
2.1.1 導(dǎo)數(shù) 007
2.1.2 積分 014
2.1.3 神經(jīng)元模型 018
2.1.4 多層感知機(jī)與全連接層 023
2.1.5 損失函數(shù) 028
2.1.6 神經(jīng)網(wǎng)絡(luò)的優(yōu)化 030
2.2 事件相機(jī)的概念及原理 034
2.3 常用的事件相機(jī) 042
2.3.1 DVS 相機(jī) 042
2.3.2 ATIS 相機(jī) 043
2.3.3 DAVIS 044
2.3.4 商業(yè)事件相機(jī) 044
2.4 思考與練習(xí) 045

第3 章事件信息的編碼 046
3.1 點(diǎn)云式編碼 046
3.2 CountImage 編碼 047
3.3 張量式編碼 049
3.4 局部CountImage 編碼 050
3.5 TimeImage 編碼 051
3.6 Leaky Surface 編碼 053
3.7 思考與練習(xí) 056

第4 章事件的普通卷積 057
4.1 2D 卷積的基本原理 057
4.2 卷積神經(jīng)網(wǎng)絡(luò)的組成 064
4.2.1 卷積層 064
4.2.2 池化層 065
4.2.3 全連接層 066
4.2.4 全局最大/平均池化 067
4.3 事件2D 卷積的適用范圍 068
4.3.1 編碼要求 068
4.3.2 直接事件卷積存在的問(wèn)題 070
4.4 思考與練習(xí) 071

第5 章事件的稀疏卷積 072
5.1 稀疏卷積的基本原理 072
5.1.1 SC 層的定義 072
5.1.2 VSC 層的定義 074
5.2 稀疏池化與全連接層 079
5.2.1 稀疏池化層 079
5.2.2 稀疏全連接層 081
5.3 稀疏卷積的特征 082
5.3.1 編碼要求 082
5.3.2 流形擬合特性 082
5.3.3 稀疏卷積的缺點(diǎn) 083
5.4 思考與練習(xí) 083

第6 章事件的圖卷積 084
6.1 圖卷積的基本原理 084
6.1.1 事件的采樣 084
6.1.2 圖的概念及事件圖的構(gòu)建 088
6.1.3 圖卷積的定義 094
6.1.4 圖池化及圖全連接層的定義 097
6.2 圖卷積的特性 099
6.2.1 編碼要求 099
6.2.2 圖的普適性 099
6.2.3 方向可變性 100
6.3 思考與練習(xí) 101

第7 章事件的3D 卷積 102
7.1 3D 卷積的原理 102
7.1.1 卷積層的擴(kuò)展 102
7.1.2 池化層的擴(kuò)展 105
7.2 事件輸入與3D 卷積的特點(diǎn) 108
7.2.1 事件輸入的編碼要求 108
7.2.2 直接3D 卷積的現(xiàn)存問(wèn)題 109
7.2.3 3D 卷積的可分解性 110
7.3 4D 卷積簡(jiǎn)介 110
7.4 思考與練習(xí) 114

第8 章基于LSTM 的事件處理 115
8.1 LSTM 的基本原理 115
8.1.1 LSTM 細(xì)胞的定義 115
8.1.2 LSTM 的運(yùn)算更新 118
8.2 LSTM 的變體及事件處理 123
8.2.1 ConvLSTM 123
8.2.2 PhasedLSTM 125
8.3 思考與練習(xí) 126

第9 章基于脈沖神經(jīng)網(wǎng)絡(luò)的事件處理 127
9.1 普通神經(jīng)元的局限 127
9.2 脈沖神經(jīng)網(wǎng)絡(luò)的概念 128
9.2.1 脈沖神經(jīng)元模型 130
9.2.2 脈沖全連接層 133
9.2.3 脈沖卷積層 135
9.2.4 脈沖池化層 136
9.3 脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 137
9.4 脈沖神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 138
9.4.1 編碼要求 138
9.4.2 脈沖神經(jīng)網(wǎng)絡(luò)的局限 139
9.5 思考與練習(xí) 140

第10 章基于生成對(duì)抗網(wǎng)絡(luò)的事件處理 141
10.1 生成對(duì)抗網(wǎng)絡(luò)的基本原理 141
10.1.1 普通GAN 的對(duì)弈原理 141
10.1.2 cGAN 的對(duì)弈原理 148
10.1.3 Cycle-GAN 的對(duì)弈原理 149
10.1.4 Info-GAN 的對(duì)弈原理 154
10.2 事件圖像的生成 155
10.3 思考與練習(xí) 157

參考文獻(xiàn) 158