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: Debarati Bhunia Chakraborty, Sankar Kumar Pal سری: ISBN (شابک) : 9789811227134, 9811227136 ناشر: World Scientific سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Granular Video Computing: With Rough Sets, Deep Learning And In Iot 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 محاسبات ویدئویی دانهای: با مجموعههای خشن، یادگیری عمیق و در Iot 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 جلد مفهوم محاسبات دانه ای با استفاده از یادگیری عمیق و اینترنت اشیاء را به ردیابی شی برای تجزیه و تحلیل ویدئو پیوند می دهد. این توضیح میدهد که چگونه عدم قطعیتها، درگیر در وظیفه پردازش ویدئو، میتوانند در چارچوبهای محاسباتی دانهای نظری مجموعهای خشن مدیریت شوند. مسائلی مانند ردیابی اشیا از ویدیوها در موقعیتهای محدود، مدیریت انسداد/همپوشانی، اندازهگیری قابلیت اطمینان روشهای ردیابی، تشخیص اشیا و تفسیر زبانی در صحنههای ویدیویی، و پیشبینی رویداد از ویدیوها در این جلد مورد بررسی قرار گرفتهاند. این کتاب همچنین به روشهایی برای کاهش وابستگی به دادهها در زمینه آموزش بدون نظارت (بدون تعامل دستی/ دادههای برچسبدار/ اطلاعات قبلی) میپردازد. مهندسی، علوم سیستم، علوم داده و فناوری اطلاعات، و برای دانشجویان و پزشکان شاغل در بینایی کامپیوتر، یادگیری ماشین، تجزیه و تحلیل ویدئو، تجزیه و تحلیل تصویر، هوش مصنوعی، طراحی سیستم، نظریه مجموعههای خشن، محاسبات دانهای و محاسبات نرم توصیه میشود. .
This volume links the concept of granular computing using deep learning and the Internet of Things to object tracking for video analysis. It describes how uncertainties, involved in the task of video processing, could be handled in rough set theoretic granular computing frameworks. Issues such as object tracking from videos in constrained situations, occlusion/overlapping handling, measuring of the reliability of tracking methods, object recognition and linguistic interpretation in video scenes, and event prediction from videos, are the addressed in this volume. The book also looks at ways to reduce data dependency in the context of unsupervised (without manual interaction/ labeled data/ prior information) training.This book may be used both as a textbook and reference book for graduate students and researchers in computer science, electrical engineering, system science, data science, and information technology, and is recommended for both students and practitioners working in computer vision, machine learning, video analytics, image analytics, artificial intelligence, system design, rough set theory, granular computing, and soft computing.