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: A.Srinivasan
سری:
ISBN (شابک) : 9781799888925, 9781799888949
ناشر: IGI Global
سال نشر: 2023
تعداد صفحات: 400
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 39 Mb
در صورت تبدیل فایل کتاب Handbook of Research on Computer Vision and Image Processing in the Deep Learning Era 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 راهنمای تحقیق در مورد بینایی کامپیوتری و پردازش تصویر در عصر یادگیری عمیق 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 کتاب حوزههای سنتی و جدید بینایی کامپیوتر، یادگیری ماشین و یادگیری عمیق را بررسی میکند تا طیفی از مشکلات را با هدف ادغام دانش جامعه بینالمللی رو به رشد محققانی که بر روی کاربرد روشهای یادگیری ماشینی و یادگیری عمیق کار میکنند، حل کند. بینایی و رباتیک پردازش تصویر یکی از فناوریهایی است که به سرعت در حال توسعه است که زمینههای تحقیقاتی مهمی را در رشته مهندسی ایجاد میکند. پردازش تصویر به استفاده از الگوریتمها در تصاویر به منظور بهبود کیفیت تصویر یا تغییر آن برای جلوههای بصری متفاوت اشاره دارد. این نقش بسیار مهمی برای آماده سازی تصاویر برای مدل های Computer Vision، مانند اعمال بخش بندی یا برچسب گذاری اشیاء شناخته شده ایفا می کند. بینایی کامپیوتر و پردازش تصویر به طور جدایی ناپذیری با هم مرتبط هستند. یک سیستم بینایی کامپیوتری تصویری را به عنوان ورودی دریافت میکند و دادههای مربوط به کار، مانند برچسبها و مختصات آیتمها را تولید میکند. سیستمهای بینایی کامپیوتری به ندرت از دادههای تصویر پردازشنشده که مستقیماً از سختافزارهایی مانند دوربینها یا حسگرها بهدست میآیند استفاده میکنند. در عوض، آنها از عکس هایی استفاده می کنند که تحت اشکال مختلف پردازش تصویر قرار گرفته اند. امروزه برنامههای Computer Vision به موفقیت چشمگیری دست یافتهاند که شامل برنامههایی مانند طبقهبندی تصویر، بازرسی نقص، رانندگی خودکار، رباتیک، طبقهبندی متن، تشخیص چهره و غیره میشود. یا سایر مراحل پیش پردازش را که با کمک الگوریتم های پردازش تصویر انجام شده است، طی کرده باشند. یادگیری عمیق نقش برجسته ای در انواع مشکلات بینایی رایانه ای ایفا می کند، مانند تشخیص حرکت ردیابی حرکت تشخیص حرکت انسان و تقسیم بندی معنایی و غیره، دلیل آن این است که یادگیری عمیق یک خانواده غنی از روش ها است که شبکه های عصبی را در بر می گیرد. مدلهای احتمالی سلسله مراتبی و انواع الگوریتمهای یادگیری ویژگی بدون نظارت و نظارت. افزایش علاقه اخیر به روش های یادگیری عمیق به این دلیل است که نشان داده شده است که آنها از تکنیک های پیشرفته قبلی در چندین کار مانند توانایی های دیداری، شنیداری، پزشکی، اجتماعی و حسی بهتر عمل می کنند. بنابراین، فصلهای کتاب بر نقش فناوریهای یادگیری عمیق در کاربردهای مختلف با تأکید/اولویت بالاتر برای پردازش تصویر و مشکلات بینایی رایانهای تمرکز میکند، زیرا جهان در پشت محیط هوشمندتر و مستقلتر قرار دارد.
This book explores traditional and new areas of the computer vision, Machine Learning and Deep Learning combined to solve a range of problems with the objective to integrate the knowledge of the growing international community of researchers working on the application of Machine Learning and Deep Learning Methods in Vision and Robotics. Image processing is one of the rapidly developing technologies that is spawning important research fields in Engineering discipline. Image Processing refers to the application of algorithms to images meant to improve the quality of the image or to alter it for a different visual effect. It plays a very important role to prepare images for Computer Vision models, such as applying segmentation or labelling known objects. Computer vision and image processing are inseparably linked. A computer vision system receives an image as input and produces task-specific data, such as item labels and coordinates. Computer vision systems rarely use unprocessed image data obtained directly from hardware such as cameras or sensors. Instead, they employ photos that have undergone various forms of image processing. Today, Computer Vision applications have achieved tremendous success which includes applications likes image classification, Defect inspection, autonomous driving, Robotics, Text classification, facial recognition etc., However, for these models to work, the images need to first be labelled, segmented, or to have gone through other pre-processing steps taken with the help of image processing algorithms. Deep Learning plays a prominent role in a variety of computer vision problems, such as object detection motion tracking action recognition human pose estimation and semantic segmentation etc., The reason behind it is that Deep learning is a rich family of methods, encompassing neural networks, hierarchical probabilistic models, and a variety of unsupervised and supervised feature learning algorithms. The recent surge of interest in deep learning methods is due to the fact that they have been shown to outperform previous state-of-the-art techniques in several tasks like visual, aural, medical, social, and sensorial ability. Thus, the chapters of the book focusses on role of Deep Learning technologies in variety of application with higher emphasis/priority for image processing and computer vision problems as the world is running behind smarter and autonomous environment.