ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Foundations of Computer Vision

دانلود کتاب مبانی بینایی کامپیوتر

Foundations of Computer Vision

مشخصات کتاب

Foundations of Computer Vision

ویرایش:  
نویسندگان: , , , , ,   
سری:  
ISBN (شابک) : 9780262378666, 9780262048972 
ناشر: MIT Press 
سال نشر: 2024 
تعداد صفحات: 240 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 79 Mb 

قیمت کتاب (تومان) : 59,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Foundations of Computer Vision 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 مبانی بینایی کامپیوتر 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 درمورد کتاب به خارجی



فهرست مطالب

Cover
Contents
Preface
Notation
1: The Challenge of Vision
I: FOUNDATIONS
   2: A Simple Vision System
   3: Looking at Images
   4: Computer Vision and Society
II: IMAGE FORMATION
   5: Imaging
   6: Lenses
   7: Cameras as Linear Systems
   8: Color
III: FOUNDATIONS OF LEARNING
   9: Introduction to Learning
   10: Gradient-Based Learning Algorithms
   11: The Problem of Generalization
   12: Neural Networks
   13: Neural Networks as Distribution Transformers
   14: Backpropagation
IV: FOUNDATIONS OF IMAGE PROCESSING
   15: Linear Image Filtering
   16: Fourier Analysis
V: LINEAR FILTERS
   17: Blur Filters
   18: Image Derivatives
   19: Temporal Filters
VI: SAMPLING AND MULTISCALE IMAGE REPRESENTATIONS
   20: Image Sampling and Aliasing
   21: Downsampling and Upsampling Images
   22: Filter Banks
   23: Image Pyramids
VII: NEURAL ARCHITECTURES FOR VISION
   24: Convolutional Neural Nets
   25: Recurrent Neural Nets
   26: Transformers
VIII: PROBABILISTIC MODELS OF IMAGES
   27: Statistical Image Models
   28: Textures
   29: Probabilistic Graphical Models
IX: GENERATIVE IMAGE MODELS AND REPRESENTATION LEARNING
   30: Representation Learning
   31: Perceptual Grouping
   32: Generative Models
   33: Generative Modeling Meets Representation Learning
   34: Conditional Generative Models
X: CHALLENGES IN LEARNING-BASED VISION
   35: Data Bias and Shift
   36: Training for Robustness and Generality
   37: Transfer Learning and Adaptation
XI: UNDERSTANDING GEOMETRY
   38: Representing Images and Geometry
   39: Camera Modeling and Calibration
   40: Stereo Vision
   41: Homographies
   42: Single View Metrology
   43: Learning to Estimate Depth from a Single Image
   44: Multiview Geometry and Structure from Motion
   45: Radiance Fields
XII: UNDERSTANDING MOTION
   46: Motion Estimation
   47: 3D Motion and Its 2D Projection
   48: Optical Flow Estimation
   49: Learning to Estimate Motion
XIII: UNDERSTANDING VISION WITH LANGUAGE
   50: Object Recognition
   51: Vision and Language
XIV: ON RESEARCH, WRITING AND SPEAKING
   52: How to Do Research
   53: How to Write Papers
   54: How to Give Talks
XV: CLOSING REMARKS
   55: A Simple Vision System—Revisited
Bibliography
Index




نظرات کاربران