دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Segmentation and Model Selection for Computer Vision: A Statistical Approach
دانلود کتاب تقسیم بندی داده ها و انتخاب مدل برای بینایی کامپیوتری: یک رویکرد آماری
مشخصات کتاب
Data Segmentation and Model Selection for Computer Vision: A Statistical Approach
ویرایش: [1 ed.] نویسندگان: R. A. Jarvis (auth.), Alireza Bab-Hadiashar, David Suter (eds.) سری: ISBN (شابک) : 9781468495089, 9780387215280 ناشر: Springer-Verlag New York سال نشر: 2000 تعداد صفحات: 208 [220] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
قیمت کتاب (تومان) : 30,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data Segmentation and Model Selection for Computer Vision: A Statistical Approach 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 تقسیم بندی داده ها و انتخاب مدل برای بینایی کامپیوتری: یک رویکرد آماری 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 تقسیم بندی داده ها و انتخاب مدل برای بینایی کامپیوتری: یک رویکرد آماری
این جلد ویرایش شده چندین موضوع مربوط به بخش‌بندی پارامتری از جمله عملیات قوی، معیارهای انتخاب مدل و انتخاب مدل خودکار، به‌علاوه تقسیم‌بندی صحنه دوبعدی و سه بعدی را بررسی می‌کند. تاکید بر انتخاب مدل قوی با تکنیک‌هایی مانند Cp قوی Mallows، برازش مدل آماری مرتبه K (LKS)، و رگرسیون قوی که توجه زیادی را به خود جلب می‌کند، قرار می‌گیرد. با مشارکت محققان برجسته، این منبع ارزشمندی برای محققان و دانشجویان فارغ التحصیل در زمینه بینایی کامپیوتر، تشخیص الگو، پردازش تصویر و روباتیک است.
توضیحاتی درمورد کتاب به خارجی
This edited volume explores several issues relating to parametric segmentation including robust operations, model selection criteria and automatic model selection, plus 2D and 3D scene segmentation. Emphasis is placed on robust model selection with techniques such as robust Mallows Cp, least K-th order statistical model fitting (LKS), and robust regression receiving much attention. With contributions from leading researchers, this is a valuable resource for researchers and graduated students working in computer vision, pattern recognition, image processing and robotics.
