دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Computer vision: theory, algorithms, practicalities
دانلود کتاب بینایی کامپیوتر: نظریه، الگوریتم ها، عملی
مشخصات کتاب
Computer vision: theory, algorithms, practicalities
ویرایش: Fifth edition
نویسندگان: Davies. E. Roy
سری:
ISBN (شابک) : 9780128092842, 012809284X
ناشر: Elsevier/Academic Press
سال نشر: 2018
تعداد صفحات: 902
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
قیمت کتاب (تومان) : 34,000
کلمات کلیدی مربوط به کتاب بینایی کامپیوتر: نظریه، الگوریتم ها، عملی: بینایی کامپیوتری، تجسم اطلاعات.
در صورت تبدیل فایل کتاب Computer vision: theory, algorithms, practicalities 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 بینایی کامپیوتر: نظریه، الگوریتم ها، عملی 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.
توضیحاتی در مورد کتاب بینایی کامپیوتر: نظریه، الگوریتم ها، عملی
بینایی کامپیوتر: اصول، الگوریتم‌ها، کاربردها، یادگیری (که قبلاً با عنوان کامپیوتر و بینایی ماشین) به طور واضح و سیستماتیک روش‌شناسی اساسی بینایی کامپیوتری را ارائه می‌کند و عناصر اساسی نظریه را پوشش می‌دهد و در عین حال بر محدودیت‌های طراحی الگوریتمی و عملی تأکید می‌کند. این ویرایش پنجم که کاملاً اصلاح شده است، مفاهیم و کاربردهای بیشتری از بینایی رایانه را ارائه کرده است، و آن را به متنی بسیار جامع و به روز تبدیل کرده است که برای دانشجویان کارشناسی و کارشناسی ارشد، محققان و مهندسان تحقیق و توسعه که در این موضوع پر جنب و جوش کار می کنند مناسب است. مصاحبه ای با نویسنده را ببینید که رویکرد خود را برای آموزش و یادگیری بینایی کامپیوتر توضیح می دهد - http://scitechconnect.elsevier.com/computer-vision/ سه فصل جدید در مورد یادگیری ماشین بر روشی که موضوع در حال توسعه بوده است تأکید می کند. دو فصل شامل مفاهیم پایه طبقه بندی و مدل های احتمالی است. و سومی اصول شبکه‌های یادگیری عمیق را پوشش می‌دهد و تأثیر آن‌ها را بر بینایی رایانه نشان می‌دهد، که در فصل جدیدی از «تشخیص و تشخیص چهره» منعکس شده است. فصل جدیدی در مورد تقسیم‌بندی شی و مدل‌های شکل، روش‌شناسی یادگیری ماشین را منعکس می‌کند و نمایش‌های عملی از کاربرد آن ارائه می‌دهد. بحث‌های عمیقی در مورد تبدیل‌های هندسی، الگوریتم EM، تقویت، تقسیم‌بندی معنایی، جلوه‌سازی چهره، RNN و سایر موضوعات کلیدی گنجانده شده است. مثال‌ها و کاربردها - از جمله مکان بیسکویت‌ها، اجسام خارجی، چهره‌ها، چشم‌ها، خطوط جاده‌ای، نظارت، وسایل نقلیه و عابران پیاده - "درون و خروجی" توسعه سیستم‌های بینایی در دنیای واقعی را ارائه می‌دهند و واقعیت‌های اجرای عملی را نشان می‌دهند. ریاضیات ضروری و نظریه ضروری با توضیحات دقیق و مثال‌های گویا قابل دسترسی است. بخش‌های «پیشرفت‌های اخیر» که در هر فصل گنجانده شده‌اند، با هدف به‌روز رساندن دانش‌آموزان و تمرین‌کنندگان با این موضوع به سرعت در حال حرکت است. مثال‌های برنامه‌نویسی مناسب - کد، روش‌ها، تصاویر، وظایف، نکات و راه‌حل‌ها (عمدتا شامل MATLAB و C++)
توضیحاتی درمورد کتاب به خارجی
Computer Vision: Principles, Algorithms, Applications, Learning (previously entitled Computer and Machine Vision) clearly and systematically presents the basic methodology of computer vision, covering the essential elements of the theory while emphasizing algorithmic and practical design constraints. This fully revised fifth edition has brought in more of the concepts and applications of computer vision, making it a very comprehensive and up-to-date text suitable for undergraduate and graduate students, researchers and R&D engineers working in this vibrant subject. See an interview with the author explaining his approach to teaching and learning computer vision - http://scitechconnect.elsevier.com/computer-vision/ Three new chapters on Machine Learning emphasise the way the subject has been developing; Two chapters cover Basic Classification Concepts and Probabilistic Models; and the The third covers the principles of Deep Learning Networks and shows their impact on computer vision, reflected in a new chapter Face Detection and Recognition. A new chapter on Object Segmentation and Shape Models reflects the methodology of machine learning and gives practical demonstrations of its application. In-depth discussions have been included on geometric transformations, the EM algorithm, boosting, semantic segmentation, face frontalisation, RNNs and other key topics. Examples and applications-including the location of biscuits, foreign bodies, faces, eyes, road lanes, surveillance, vehicles and pedestrians-give the 'ins and outs' of developing real-world vision systems, showing the realities of practical implementation. Necessary mathematics and essential theory are made approachable by careful explanations and well-illustrated examples. The 'recent developments' sections included in each chapter aim to bring students and practitioners up to date with this fast-moving subject. Tailored programming examples-code, methods, illustrations, tasks, hints and solutions (mainly involving MATLAB and C++)
