دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Halina Kwaśnicka.Lakhmi C. Jain (eds.)
سری: Intelligent Systems Reference Library 145
ISBN (شابک) : 9783319738901, 9783319738918
ناشر: Springer International Publishing
سال نشر: 2018
تعداد صفحات: 171
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب پل زدن شکاف معنایی در تجزیه و تحلیل تصویر و ویدئو: هوش محاسباتی
در صورت تبدیل فایل کتاب Bridging the Semantic Gap in Image and Video Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پل زدن شکاف معنایی در تجزیه و تحلیل تصویر و ویدئو نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
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.
Front Matter ....Pages i-x
Semantic Gap in Image and Video Analysis: An Introduction (Halina Kwaśnicka, Lakhmi C. Jain)....Pages 1-6
Low-Level Feature Detectors and Descriptors for Smart Image and Video Analysis: A Comparative Study (D. Avola, L. Cinque, G. L. Foresti, N. Martinel, D. Pannone, C. Piciarelli)....Pages 7-29
Scale-Insensitive MSER Features: A Promising Tool for Meaningful Segmentation of Images (Andrzej Śluzek)....Pages 31-50
Active Partitions in Localization of Semantically Important Image Structures (Arkadiusz Tomczyk)....Pages 51-72
Model-Based 3D Object Recognition in RGB-D Images (Maciej Stefańczyk, Włodzimierz Kasprzak)....Pages 73-96
Ontology-Based Structured Video Annotation for Content-Based Video Retrieval via Spatiotemporal Reasoning (Leslie F. Sikos)....Pages 97-122
Deep Learning—A New Era in Bridging the Semantic Gap (Urszula Markowska-Kaczmar, Halina Kwaśnicka)....Pages 123-159
Back Matter ....Pages 161-163