123,123

內(nèi)容簡(jiǎn)介

　　本書篇幅有限，即便在現(xiàn)有篇幅的基礎(chǔ)上擴(kuò)充10倍，也很難涵蓋模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域的全面發(fā)展情況，這一點(diǎn)毋庸置疑。不同于期刊、特刊，本書涵蓋的內(nèi)容為模式識(shí)別與計(jì)算機(jī)視覺(jué)在理論和應(yīng)用方面的關(guān)鍵成果。本書共有6版，這6版書概括了該領(lǐng)域近三十年的發(fā)展，通過(guò)它們，讀者可以更好地了解這個(gè)不斷更迭的領(lǐng)域。在信息研究基金會(huì)的資助下，本書的第1～4版現(xiàn)已向大眾免費(fèi)開(kāi)放，網(wǎng)址可掃封底二維碼獲取。

作者簡(jiǎn)介

　　陳季鎬，1965年獲得普渡大學(xué)電氣博士學(xué)位，1962年獲得美國(guó)田納西大學(xué)諾克斯維爾分校電機(jī)工程碩士學(xué)位，1959年獲得臺(tái)灣大學(xué)電子工程學(xué)士學(xué)位。目前，陳博士是馬薩諸塞大學(xué)達(dá)特茅斯分校電氣和計(jì)算機(jī)工程名譽(yù)教授，自1968年以來(lái)，他一直任教于該大學(xué)。他的研究領(lǐng)域是統(tǒng)計(jì)模式識(shí)別和信號(hào)/圖像處理應(yīng)用于遙感、醫(yī)學(xué)成像、地球物理、水下聲學(xué)與無(wú)損檢測(cè)問(wèn)題，視頻監(jiān)控中的計(jì)算機(jī)視覺(jué)，時(shí)間序列分析，以及機(jī)器學(xué)習(xí)。在其研究領(lǐng)域，陳博士出版（編輯和撰寫）了32本書，其中部分書籍出版于世界科學(xué)出版社。1986—2008年，他擔(dān)任《國(guó)際模式識(shí)別和人工智能雜志》的副主編。自2008年以來(lái)，他.一直是《模式識(shí)別雜志》的編委。目前，他擔(dān)任世界科學(xué)出版社計(jì)算機(jī)視覺(jué)系列圖書的編輯一職。自1988年以來(lái)，陳博士一直是電氣和電子工程師協(xié)會(huì)（IEEE）的會(huì)員，2003年成為該協(xié)會(huì)的終身會(huì)員。自1996年以來(lái)，陳博士一直是國(guó)際模式識(shí)別協(xié)會(huì)（IAPR）的會(huì)員。

圖書目錄

第I部分理論、技術(shù)和系統(tǒng)
簡(jiǎn)要介紹 2
參考文獻(xiàn) 3
第1章統(tǒng)計(jì)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(yàn)構(gòu)造 19
7 貝葉斯遷移學(xué)習(xí) 21
8 結(jié)論 25
參考文獻(xiàn) 25
第2章目標(biāo)識(shí)別的深度判別
特征學(xué)習(xí)方法 29
1 引言 29
2 基于熵正交損失的深度判別
特征學(xué)習(xí)方法 31
3 基于小-損失的深度
判別特征學(xué)習(xí)方法 36
4 圖像分類任務(wù)實(shí)驗(yàn) 42
5 討論 44
參考文獻(xiàn) 45
第3章基于深度學(xué)習(xí)的背景減法：
系統(tǒng)綜述 49
1 引言 49
2 背景減法 50
3 實(shí)驗(yàn)結(jié)果 57
4 結(jié)論 59
參考文獻(xiàn) 60
第4章無(wú)需大型數(shù)據(jù)集即可進(jìn)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(jìn)行參數(shù)化
形狀建模 74
6 從SD中提取骨架 75
7 實(shí)驗(yàn) 76
8 結(jié)論 78
9 致謝 78
參考文獻(xiàn) 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(wèn)題的一個(gè)示例 90
5 總結(jié)與討論 92
附錄 92
參考文獻(xiàn) 95
第6章嵌入式系統(tǒng)高效深度
學(xué)習(xí)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(xiàn) 106
第7章用于基于差異的多視圖
學(xué)習(xí)的隨機(jī)森林 108
1 引言 108
2 隨機(jī)森林差異 110
3 多視圖學(xué)習(xí)的差異表示 112
4 將視圖與加權(quán)組合相結(jié)合 114
5 實(shí)驗(yàn) 121
6 結(jié)論 124
7 致謝 124
參考文獻(xiàn) 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(xué)習(xí)著色 134
5 其他相關(guān)研究 137
6 結(jié)論 139
參考文獻(xiàn) 139
第9章語(yǔ)音識(shí)別深度學(xué)習(xí)的
進(jìn)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(lái)研究方向 155
5 致謝 157
參考文獻(xiàn) 157
第II部分應(yīng)用
簡(jiǎn)要介紹 170
參考文獻(xiàn) 171
第10章遙感技術(shù)中的機(jī)器學(xué)習(xí) 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(xùn)練 175
4 結(jié)論 188
參考文獻(xiàn) 189
第11章基于高光譜和空間自適應(yīng)
解混對(duì)具有損壞像素的數(shù)
據(jù)分?jǐn)?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(píng)估和結(jié)果 199
4 結(jié)論 204
參考文獻(xiàn) 205
第12章視覺(jué)圖像中海冰參數(shù)
識(shí)別的圖像處理 211
1 引言 211
2 冰像素檢測(cè) 212
3 浮冰識(shí)別 213
4 案例研究及其應(yīng)用 218
5 討論和未來(lái)研究 224
參考文獻(xiàn) 225
第13章深度學(xué)習(xí)在MRI大腦
結(jié)構(gòu)的大腦分割和大腦
標(biāo)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(xiàn) 242
第14章基于時(shí)間紋理分析的血管
內(nèi)超聲圖像自動(dòng)分割 246
1 引言 246
2 數(shù)據(jù)庫(kù) 248
3 方法及步驟 248
4 實(shí)施和結(jié)果 254
5 結(jié)束語(yǔ) 256
參考文獻(xiàn) 256
第15章使用深度學(xué)習(xí)進(jìn)行歷史
文獻(xiàn)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(xiàn) 269
第16章通過(guò)基于圖的方法進(jìn)行
簽名驗(yàn)證 275
1 引言 275
2 從簽名圖像到圖再到驗(yàn)證 276
3 圖編輯距離及其近似值 279
4 實(shí)驗(yàn)評(píng)估 284
5 結(jié)論和近期研究 286
參考文獻(xiàn) 287
第17章用于地震模式識(shí)別的細(xì)胞
神經(jīng)網(wǎng)絡(luò) 292
1 引言 292
2 細(xì)胞神經(jīng)網(wǎng)絡(luò) 293
3 使用DT-CNN關(guān)聯(lián)記憶的
模式識(shí)別 301
4 實(shí)驗(yàn) 302
5 結(jié)論 307
參考文獻(xiàn) 307
第18章在跨模態(tài)人臉驗(yàn)證和
合成中加入面部屬性 309
1 引言 309
2 屬性引導(dǎo)的人臉驗(yàn)證 311
3 屬性引導(dǎo)的草圖-照片合成 319
4 討論 325
參考文獻(xiàn) 326
第19章深度學(xué)習(xí)時(shí)代的互聯(lián)和
自動(dòng)駕駛汽車：計(jì)算機(jī)
引導(dǎo)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(wèn)題 334
4 案例研究：我們提出的
方法 335
5 實(shí)驗(yàn)設(shè)置 337
6 分析和結(jié)果 340
7 結(jié)束語(yǔ) 343
8 致謝 344
參考文獻(xiàn) 344