Object Detection and Recognition in Digital Images: Theory and Practice

ویرایش:  
نویسندگان: Boguslaw Cyganek(auth.)  
سری:  
ISBN (شابک) : 9780470976371, 9781118618387 
ناشر:  
سال نشر: 2013 
تعداد صفحات: 555 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

قیمت کتاب (تومان) : 31,000

تشخیص، ردیابی و تشخیص اشیاء در تصاویر از مشکلات کلیدی در بینایی کامپیوتر است. این کتاب یک برخورد متعادل بین تئوری و عمل روش‌های انتخاب شده در این زمینه‌ها را در اختیار خواننده قرار می‌دهد تا کتاب را برای طیف وسیعی از محققان، مهندسان، توسعه‌دهندگان و دانشجویان تحصیلات تکمیلی شاغل در بینایی کامپیوتر و زمینه‌های مرتبط در دسترس قرار دهد.

ویژگی‌های کلیدی:

• ایده‌های نظری اصلی پشت هر روش را توضیح می‌دهد (که با یک مشتق ریاضی دقیق از فرمول‌ها افزوده می‌شوند)، پیاده‌سازی آنها (در C++) و کار کردن در برنامه‌های واقعی را نشان می‌دهد. .
• تاکید بر رویکردهای مبتنی بر تانسور و آماری در تشخیص و تشخیص اشیا دارد.
• نمای کلی از روش‌های خوشه‌بندی و طبقه‌بندی تصویر را ارائه می‌دهد که شامل پردازش مبتنی بر زیرفضا و هسته، تغییر میانگین و فیلتر کالمن، شبکه‌های عصبی، و روش‌های k-means.
• شامل نمونه‌های مطالعه موردی متعددی از برنامه‌های عمدتاً خودروسازی است.
• شامل یک وب‌سایت همراه با اجرای کامل C++، از موضوعات ارائه‌شده در کتاب به‌عنوان یک کتابخانه نرم‌افزار، و یک کتابچه راهنمای همراه با پلتفرم نرم‌افزار.

محتوا:
مقدمه فصل 1 (صفحات 1-8):
فصل 2 روش‌های تنسور در بینایی رایانه (صفحات) 9-188):
فصل 3 روش ها و الگوریتم های طبقه بندی (صفحات 189-345):
فصل 4 تشخیص و ردیابی شیء (صفحات 346-407):
فصل 5 تشخیص شیء (صفحات 408-486):

Object detection, tracking and recognition in images are key problems in computer vision. This book provides the reader with a balanced treatment between the theory and practice of selected methods in these areas to make the book accessible to a range of researchers, engineers, developers and postgraduate students working in computer vision and related fields.

Key features:

• Explains the main theoretical ideas behind each method (which are augmented with a rigorous mathematical derivation of the formulas), their implementation (in C++) and demonstrated working in real applications.
• Places an emphasis on tensor and statistical based approaches within object detection and recognition.
• Provides an overview of image clustering and classification methods which includes subspace and kernel based processing, mean shift and Kalman filter, neural networks, and k-means methods.
• Contains numerous case study examples of mainly automotive applications.
• Includes a companion website hosting full C++ implementation, of topics presented in the book as a software library, and an accompanying manual to the software platform.

Content:
Chapter 1 Introduction (pages 1–8):
Chapter 2 Tensor Methods in Computer Vision (pages 9–188):
Chapter 3 Classification Methods and Algorithms (pages 189–345):
Chapter 4 Object Detection and Tracking (pages 346–407):
Chapter 5 Object Recognition (pages 408–486):