دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Joseph L. Mundy, Andrew Zisserman سری: Artificial Intelligence ISBN (شابک) : 0262132850, 9780262132855 ناشر: The MIT Press سال نشر: 1992 تعداد صفحات: 557 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب تغییر هندسی در چشم انداز رایانه: هوش و معناشناسی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، علوم کامپیوتر، الگوریتمها، هوش مصنوعی، طراحی و ذخیرهسازی پایگاه داده، گرافیک و تجسم، شبکهسازی، طراحی نرمافزار شیگرا، سیستمهای عامل، زبانهای برنامهنویسی، طراحی و طراحی نرمافزار کتاب های درسی مهندسی، نو، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Geometric Invariance in 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 تغییر هندسی در چشم انداز رایانه 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.
این بیست و سه مقاله بر روی جدیدترین پیشرفتها در زمینه به سرعت
در حال تحول متغیرهای هندسی و کاربرد آنها در بینایی کامپیوتری
تمرکز دارند.
مقدمه به خلاصهای از مبانی نظریه ثابت میپردازد، و چگونگی
ارتباط متغیرها با مسائل را مورد بحث قرار میدهد. در بینایی
کامپیوتر، و به احتمالات آینده نگاه می کند، به ویژه این تصور که
تجزیه و تحلیل ثابت ممکن است راه حلی برای مشکل گریزان تشخیص
اشیاء سه بعدی منحنی کلی از یک دیدگاه دلخواه ارائه دهد.
فصل های باقی مانده شامل موارد اصلی هستند. مقالاتی که پیشرفت های
مهمی را ارائه می دهند و همچنین مقالات آموزشی که مطالب مفیدی را
ارائه می دهند. این فصلها در دستههایی دستهبندی میشوند که
متغیرهای جبری، متغیرهای غیرجبری، متغیرهای چند نما و کاربردها را
پوشش میدهند. یک ضمیمه مقدمه ای گسترده بر هندسه تصویری و
کاربردهای آن در مسائل اساسی بینایی کامپیوتری ارائه می دهد.
اندرو زیسرمن یک محقق در گروه تحقیقاتی رباتیک در دانشگاه آکسفورد
است.
These twenty-three contributions focus on the most recent
developments in the rapidly evolving field of geometric
invariants and their application to computer vision.
The introduction summarizes the basics of invariant theory,
discusses how invariants are related to problems in computer
vision, and looks at the future possibilities, particularly the
notion that invariant analysis might provide a solution to the
elusive problem of recognizing general curved 3D objects from
an arbitrary viewpoint.
The remaining chapters consist of original papers that present
important developments as well as tutorial articles that
provide useful background material. These chapters are grouped
into categories covering algebraic invariants, nonalgebraic
invariants, invariants of multiple views, and applications. An
appendix provides an extensive introduction to projective
geometry and its applications to basic problems in computer
vision.
Joseph Mundy is a Coolidge Fellow at GE Corporate Research &
Development. Andrew Zisserman is a Research Fellow in the
Robotics Research Group at Oxford University.
Contents......Page 5
References......Page 535
List of Contributors......Page 549
Index......Page 552
Series Foreword......Page 9
Preface......Page 11
Acknowledgments......Page 12
Dedication......Page 13
Geometric Invariance in Computer Vision......Page 14
1 Introduction Towards a New Framework for Vision......Page 15
I FOUNDATIONS......Page 55
Ia ALGEBRAIC INVARIANTS......Page 57
2 Invariant Theory and Enumerative Combinatorics of Young Tableaux......Page 59
3 Geometric Interpretation of Joint Conic Invariants......Page 91
4 An Experimental Evaluation of Projective Invariants......Page 101
5 The Projection of Two Non-Coplanar Conics......Page 119
6 The Non-Existence of General-Case View-Invariants......Page 134
Ib INVARIANTS OF NON-ALGEBRAIC CURVES......Page 147
7 Noise Resistant Invariants of Curves......Page 149
8 Semi-Differential Invariants......Page 171
9 Projective Invariants for Curves in Two and Three Dimensions......Page 207
10 Numerical Evaluation of Differential and Semi-Differential Invariants......Page 229
11 Recognizing General Curved Objects Efficiently......Page 242
12 Fitting Affine Invariant Conics to Curves......Page 266
13 Projectively Invariant Decomposition of Planar Shapes......Page 281
Ic INVARIANTS FROM MULTIPLE VIEWS......Page 289
14 Invariant Linear Methods in Photogrammetry and Model-Matching......Page 291
15 Semi-Differential Invariants for Nonplanar Curves......Page 307
16 Disambiguating Stereo Matches with Spatio-Temporal Surfaces......Page 324
II APPLICATIONS......Page 347
17 Transformation Invariant Indexing......Page 349
18 Affine Invariants for Model-Based Recognition......Page 368
19 Object Recognition Based on Moment (or -Algebraic) Invariants......Page 389
20 Fast Recognition Using Algebraic Invariants......Page 412
21 Toward 3D Curved Object Recognition from Image Contours......Page 422
22 Relative Positioning with Uncalibrated Cameras......Page 454
III APPENDIX......Page 475
23 Appendix Projective Geometry for Machine Vision......Page 477
Artificial Intelligence......Page 555