Bridging the Semantic Gap in Image and Video Analysis

این کتاب تحقیقات پیشرفته‌ای را در مورد روش‌های مختلف برای پر کردن شکاف معنایی در تحلیل تصویر و ویدئو ارائه می‌کند. فصل‌های مربوطه به مراحل مختلف پردازش تصویر می‌پردازند، و نشان می‌دهند که مرحله اول استخراج آینده، مرحله دوم یک فرآیند تقسیم‌بندی، سومین مرحله تشخیص شی، و چهارمین و آخرین مرحله شامل تفسیر معنایی تصویر است.

شکاف معنایی یک حوزه چالش برانگیز تحقیق است و تفاوت بین ویژگی‌های سطح پایین استخراج‌شده از تصویر و معانی معنایی سطح بالایی که افراد می‌توانند از تصویر استخراج کنند را توصیف می‌کند. نتیجه تا حد زیادی به تکنیک های بینایی سطح پایین تر مانند انتخاب ویژگی، تقسیم بندی، تشخیص اشیا و غیره بستگی دارد. استفاده از مدل های عمیق انسان را از انتخاب و استخراج دستی مجموعه ویژگی ها رها کرده است. یادگیری عمیق این کار را به طور خودکار انجام می دهد و ویژگی های انتزاعی بیشتری را در سطوح متوالی ایجاد می کند.

این کتاب منبع ارزشمندی برای محققان، پزشکان، دانشجویان و اساتید در رشته های مهندسی کامپیوتر، علوم کامپیوتر و زمینه های مرتبطی که کار آنها شامل تصاویر، تجزیه و تحلیل ویدئو، تفسیر تصویر و غیره است.

This book presents cutting-edge research on various ways to bridge the semantic gap in image and video analysis. The respective chapters address different stages of image processing, revealing that the first step is a future extraction, the second is a segmentation process, the third is object recognition, and the fourth and last involve the semantic interpretation of the image.

The semantic gap is a challenging area of research, and describes the difference between low-level features extracted from the image and the high-level semantic meanings that people can derive from the image. The result greatly depends on lower level vision techniques, such as feature selection, segmentation, object recognition, and so on. The use of deep models has freed humans from manually selecting and extracting the set of features. Deep learning does this automatically, developing more abstract features at the successive levels.

The book offers a valuable resource for researchers, practitioners, students and professors in Computer Engineering, Computer Science and related fields whose work involves images, video analysis, image interpretation and so on.