Machine Learning and Image Interpretation

در این جلد جدید پیشگامانه، محققان رایانه در مورد توسعه فناوری‌ها و سیستم‌های خاصی که می‌توانند داده‌ها را با توجه به دانش دامنه تفسیر کنند، بحث می‌کنند. اگرچه هر فصل جنبه‌های مختلف تفسیر تصویر را روشن می‌کند، اما همه از یک رویکرد مشترک استفاده می‌کنند - رویکردی که ادعا می‌کند چنین تفسیری باید شامل یادگیری ادراکی از نظر کسب دانش و کاربرد خودکار، و همچنین بازخورد و بررسی سازگاری بین رمزگذاری، استخراج ویژگی، و ساختارهای دانش شناخته شده در یک حوزه کاربردی معین متن به‌طور فراوان با شکل‌ها و جداول متعدد برای تقویت مفاهیم مورد بحث نشان داده شده است.

In this groundbreaking new volume, computer researchers discuss the development of technologies and specific systems that can interpret data with respect to domain knowledge. Although the chapters each illuminate different aspects of image interpretation, all utilize a common approach - one that asserts such interpretation must involve perceptual learning in terms of automated knowledge acquisition and application, as well as feedback and consistency checks between encoding, feature extraction, and the known knowledge structures in a given application domain. The text is profusely illustrated with numerous figures and tables to reinforce the concepts discussed.