Classification, Parameter Estimation and State Estimation: An Engineering Approach Using MATLAB

مقدمه ای عملی بر تئوری، طراحی، اجرا و فناوری بینایی کامپیوتری هوشمند

در دهه گذشته شاهد رشد حماسی در پردازش تصویر و فناوری بینایی کامپیوتری هوشمند بوده است. پیشرفت‌ها در روش‌های یادگیری ماشین - به‌ویژه در میان انواع adaboost و روش‌های فیلتر ذرات - یادگیری ماشینی در بینایی رایانه‌ای هوشمند را دقیق‌تر و قابل اعتمادتر از همیشه کرده است. نیاز به پوشش تخصصی از وضعیت هنر در این زمینه رو به رشد هرگز بیشتر از این نبوده است و این کتاب این نیاز را برآورده می کند. این نسخه دوم راهنمای محبوب کاملاً به روز شده و به طور گسترده اصلاح شده است، مقدمه ای اساسی و در عین حال کاملاً عملی برای بینایی رایانه ای هوشمند را در اختیار طراحان، تحلیلگران داده، محققان و فارغ التحصیلان پیشرفته قرار می دهد. نویسندگان شما را از طریق اصول بینایی کامپیوتر، گذشته و حال راهنمایی می‌کنند و پیچیدگی‌های ظریف‌تر بینایی کامپیوتری هوشمند را با تاکید بر سیستم‌های اندازه‌گیری هوشمند بررسی می‌کنند. آنها با استفاده از مثال‌های به‌موقع و واقعی، آخرین پیشرفت‌ها در تکنیک‌ها و فناوری‌های پردازش تصویر و ویدئو برای یادگیری ماشین در سیستم‌های بینایی کامپیوتری را توضیح داده و به وضوح نشان می‌دهند: 

• نرم‌افزار PRTools5 برای MATLAB— به خصوص جدیدترین جعبه ابزار نرم افزار نمایش و تعمیم برای PRTools5
• برنامه های کاربردی یادگیری ماشین برای بینایی کامپیوتر، با بحث های مفصل در مورد تکنیک های تخمین حالت معاصر در مقابل محتوای قدیمی تر روش های فیلتر ذرات
• آخرین تکنیک ها برای طبقه بندی و یادگیری تحت نظارت، با تأکید بر شبکه عصبی، تخمین حالت ژنتیکی و سایر روش های تخمین وضعیت فیلتر ذرات و هوش مصنوعی
• همه پوشش های جدید Adaboost و اجرای آن در PRTools5.

منبع کاری ارزشمند برای حرفه ای ها و معرفی عالی برای دانش آموزان سطح پیشرفته، این نسخه دوم دارای نمونه های گویا فراوانی است، از تکنیک های اساسی تا پیاده سازی های پیشرفته سیستم بینایی کامپیوتری هوشمند. مثال‌ها و آموزش‌های اضافی، و همچنین تالار گفتمان پرسش و راه‌حل را می‌توانید در یک وب‌سایت همراه پیدا کنید.

A practical introduction to intelligent computer vision theory, design, implementation, and technology

The past decade has witnessed epic growth in image processing and intelligent computer vision technology. Advancements in machine learning methods—especially among adaboost varieties and particle filtering methods—have made machine learning in intelligent computer vision more accurate and reliable than ever before. The need for expert coverage of the state of the art in this burgeoning field has never been greater, and this book satisfies that need. Fully updated and extensively revised, this 2nd Edition of the popular guide provides designers, data analysts, researchers and advanced post-graduates with a fundamental yet wholly practical introduction to intelligent computer vision. The authors walk you through the basics of computer vision, past and present, and they explore the more subtle intricacies of intelligent computer vision, with an emphasis on intelligent measurement systems. Using many timely, real-world examples, they explain and vividly demonstrate the latest developments in image and video processing techniques and technologies for machine learning in computer vision systems, including: 

• PRTools5 software for MATLAB—especially the latest representation and generalization software toolbox for PRTools5
• Machine learning applications for computer vision, with detailed discussions of contemporary state estimation techniques vs older content of particle filter methods
• The latest techniques for classification and supervised learning, with an emphasis on Neural Network, Genetic State Estimation and other particle filter and AI state estimation methods
• All new coverage of the Adaboost and its implementation in PRTools5.

A valuable working resource for professionals and an excellent introduction for advanced-level students, this 2nd Edition features a wealth of illustrative examples, ranging from basic techniques to advanced intelligent computer vision system implementations. Additional examples and tutorials, as well as a question and solution forum, can be found on a companion website.