Machine Learning for Audio, Image and Video Analysis: Theory and Applications

یادگیری ماشینی شامل چندین حوزه علمی از جمله ریاضیات، علوم رایانه، آمار و زیست‌شناسی است و رویکردی است که رایانه‌ها را قادر می‌سازد تا به طور خودکار از داده‌ها یاد بگیرند. این کتاب با تمرکز بر رسانه های پیچیده و نحوه تبدیل داده های خام به اطلاعات مفید، مطالب مقدماتی و پیشرفته را در زمینه های ترکیبی یادگیری ماشین و پردازش تصویر/ویدئو ارائه می دهد.

تکنیک‌های یادگیری ماشینی ارائه شده خوانندگان را قادر می‌سازد تا به بسیاری از مشکلات دنیای واقعی که شامل داده‌های پیچیده است رسیدگی کنند. نمونه‌هایی که حوزه‌هایی مانند رونویسی خودکار گفتار و دست‌نویس، تشخیص خودکار چهره، و بخش‌بندی معنایی ویدیو را پوشش می‌دهند، همراه با معرفی دقیق الگوریتم‌ها و نمونه‌هایی از کاربردهای آن‌ها گنجانده شده‌اند.

این کتاب در چهار بخش تنظیم شده است: بخش اول بر جنبه های فنی، مفاهیم پایه ریاضی و تکنیک های یادگیری ماشین ابتدایی تمرکز دارد. بخش دوم بررسی گسترده‌ای از بیشتر تکنیک‌های یادگیری ماشین مربوطه برای پردازش رسانه ارائه می‌کند، در حالی که بخش سوم بر برنامه‌ها تمرکز دارد و نشان می‌دهد که چگونه تکنیک‌ها در مسائل واقعی به کار می‌روند. بخش چهارم شامل ضمائم مفصلی است که مفاهیمی را در مورد ابزارهای اصلی ریاضی مورد استفاده در متن ارائه می دهد.

دانشجویان و محققانی که به یک پایه یا مرجع مستحکم نیاز دارند، و پزشکان علاقه مند به کشف بیشتر در مورد دولت از هنر این کتاب را ارزشمند خواهد یافت. مثال‌ها و مشکلات بر اساس داده‌ها و بسته‌های نرم‌افزاری هستند که به‌صورت عمومی در وب در دسترس هستند.

Machine Learning involves several scientific domains including mathematics, computer science, statistics and biology, and is an approach that enables computers to automatically learn from data. Focusing on complex media and how to convert raw data into useful information, this book offers both introductory and advanced material in the combined fields of machine learning and image/video processing.

The machine learning techniques presented enable readers to address many real world problems involving complex data. Examples covering areas such as automatic speech and handwriting transcription, automatic face recognition, and semantic video segmentation are included, along with detailed introductions to algorithms and examples of their applications.

The book is organized in four parts: The first focuses on technical aspects, basic mathematical notions and elementary machine learning techniques. The second provides an extensive survey of most relevant machine learning techniques for media processing, while the third part focuses on applications and shows how techniques are applied in actual problems. The fourth part contains detailed appendices that provide notions about the main mathematical instruments used throughout the text.

Students and researchers needing a solid foundation or reference, and practitioners interested in discovering more about the state-of-the-art will find this book invaluable. Examples and problems are based on data and software packages publicly available on the web.