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 Human Perception of Visual Information: Psychological and Computational Perspectives

دانلود کتاب درک انسان از اطلاعات بصری: دیدگاه های روانشناختی و محاسباتی

Human Perception of Visual Information: Psychological and Computational Perspectives

مشخصات کتاب

Human Perception of Visual Information: Psychological and Computational Perspectives

ویرایش: [1st ed. 2022] 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 3030814645, 9783030814649 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 301
[297] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 Mb

قیمت کتاب (تومان) : 65,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Human Perception of Visual Information: Psychological and Computational Perspectives 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 درک انسان از اطلاعات بصری: دیدگاه های روانشناختی و محاسباتی 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 درک انسان از اطلاعات بصری: دیدگاه های روانشناختی و محاسباتی


سال‌های اخیر شاهد پیشرفت‌های مهمی در درک ما از زیربنای روان‌شناختی ویژگی‌های ذهنی اطلاعات بصری، مانند زیبایی‌شناسی، خاطره‌انگیز بودن، یا احساسات القایی بوده‌ایم. به طور همزمان، مدل‌های محاسباتی ویژگی‌های بصری عینی مانند برچسب‌گذاری معنایی و روابط هندسی با استفاده از آخرین دستاوردها در یادگیری ماشین و جمع‌آوری داده‌ها در مقیاس بزرگ، پیشرفت‌های مهمی را ایجاد کرده‌اند. همچنین کارهای محدود اما مهمی برای بهره‌برداری از این پیشرفت‌ها برای بهبود مدل‌سازی محاسباتی ویژگی‌های بصری ذهنی انجام شده است. زمان برای کشف اینکه چگونه پیشرفت در هر دو زمینه مطالعاتی می تواند متقابلاً غنی شود و منجر به پیشرفت بیشتر شود، فرا رسیده است.

این کتاب دیدگاه های روانشناسی و ماشین را ترکیب می کند. یادگیری نشان دادن درک جدید و یکپارچه از نحوه تأثیر تصاویر و ویدیوها بر ادراک بصری در سطح بالا - به ویژه جالب بودن، ارزش‌های عاطفی و احساسات، ارزش‌های زیبایی‌شناختی، به یاد ماندنی، تازگی، پیچیدگی، ترکیب بصری و ویژگی‌های سبکی، و خلاقیت. این معیارهای مبتنی بر انسان برای طیف وسیعی از کاربردهای فعلی جالب هستند، از بازیابی محتوا و جستجو، داستان سرایی گرفته تا تبلیغات هدفمند، آموزش و یادگیری، و فیلتر محتوا.


توضیحاتی درمورد کتاب به خارجی

Recent years have witnessed important advancements in our understanding of the psychological underpinnings of subjective properties of visual information, such as aesthetics, memorability, or induced emotions. Concurrently, computational models of objective visual properties such as semantic labelling and geometric relationships have made significant breakthroughs using the latest achievements in machine learning and large-scale data collection. There has also been limited but important work exploiting these breakthroughs to improve computational modelling of subjective visual properties. The time is ripe to explore how advances in both of these fields of study can be mutually enriching and lead to further progress.

This book combines perspectives from psychology and machine learning to showcase a new,  unified  understanding  of  how  images  and  videos  influence  high-level  visual  perception  -  particularly  interestingness,  affective  values  and  emotions,  aesthetic  values,  memorability,  novelty,  complexity,  visual composition and stylistic attributes, and creativity. These human-based metrics are interesting for a very broad range of current applications, ranging from content retrieval and search, storytelling, to targeted advertising, education and learning, and content filtering.

Work already exists in the literature that studies the psychological aspects of these notions or investigates potential correlations between two or more of these human concepts. Attempts at building computational models capable of predicting such notions can also be found, using state-of-the-art machine learning techniques. Nevertheless their performance proves that there is still room for improvement, as the tasks are by nature highly challenging and multifaceted, requiring thought on both the psychological implications of the human concepts, as well as their translation to machines.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد