Computational Intelligence in Multi-Feature Visual Pattern Recognition: Hand Posture and Face Recognition using Biologically Inspired Approaches

این کتاب مجموعه‌ای از الگوریتم‌های هوش محاسباتی را ارائه می‌کند که به مسائلی در تشخیص الگوی بصری مانند پیچیدگی محاسباتی بالا، فراوانی ویژگی‌های الگو، حساسیت به تغییرات اندازه و شکل و عملکرد ضعیف در برابر پس‌زمینه‌های پیچیده می‌پردازد. کتاب دارای 3 بخش است. بخش 1 موضوعات تحقیقاتی مختلف در این زمینه را با بررسی ادبیات مرتبط شرح می دهد. بخش 2 الگوریتم های مبتنی بر هوش محاسباتی را برای انتخاب و طبقه بندی ویژگی ها ارائه می کند. الگوریتم ها متمایز و سریع هستند. منطقه کاربردی اصلی در نظر گرفته شده، تشخیص وضعیت دست است. این کتاب همچنین کاربرد این الگوریتم‌ها را در سایر وظایف تشخیص الگوی بصری و همچنین غیر بصری از جمله تشخیص چهره، تشخیص کلی شی و طبقه‌بندی سرطان/تومور مورد بحث قرار می‌دهد. بخش 3 الگوریتم های الهام گرفته شده از بیولوژیک برای استخراج ویژگی را ارائه می دهد. ویژگی‌های مبتنی بر مدل قشر بینایی مورد بحث، نسبت به ظاهر و اندازه دست تغییر ناپذیری دارند و تمایز بین طبقاتی خوبی را ارائه می‌دهند. یک مدل بیزی از توجه بصری توضیح داده شده است که در مدیریت مشکل پس زمینه پیچیده در تشخیص وضعیت دست موثر است.

این کتاب مقایسه عملکرد کمی و کیفی را برای الگوریتم‌های مشخص شده، با سایر روش‌های استاندارد در ماشین ارائه می‌کند. یادگیری و بینایی کامپیوتری این کتاب دارای چندین شکل، نمودار، جداول و معادلات است که به خواننده کمک می کند تا مطالب ارائه شده بدون آموزش را درک کند.

This book presents a collection of computational intelligence algorithms that addresses issues in visual pattern recognition such as high computational complexity, abundance of pattern features, sensitivity to size and shape variations and poor performance against complex backgrounds. The book has 3 parts. Part 1 describes various research issues in the field with a survey of the related literature. Part 2 presents computational intelligence based algorithms for feature selection and classification. The algorithms are discriminative and fast. The main application area considered is hand posture recognition. The book also discusses utility of these algorithms in other visual as well as non-visual pattern recognition tasks including face recognition, general object recognition and cancer / tumor classification. Part 3 presents biologically inspired algorithms for feature extraction. The visual cortex model based features discussed have invariance with respect to appearance and size of the hand, and provide good inter class discrimination. A Bayesian model of visual attention is described which is effective in handling complex background problem in hand posture recognition.

The book provides qualitative and quantitative performance comparisons for the algorithms outlined, with other standard methods in machine learning and computer vision. The book is self-contained with several figures, charts, tables and equations helping the reader to understand the material presented without instruction.