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: [1 ed.] نویسندگان: Brijesh Verma, Ligang Zhang, David Stockwell (auth.) سری: Studies in Computational Intelligence 711 ISBN (شابک) : 9789811045387, 9789811045394 ناشر: Springer Singapore سال نشر: 2017 تعداد صفحات: XXV, 189 [209] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Roadside Video Data Analysis: Deep Learning 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 تجزیه و تحلیل داده های ویدئویی کنار جاده: 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 روشها و کاربردهای تجزیه و تحلیل دادههای ویدئویی
کنار جادهای را با تمرکز ویژه بر استفاده از یادگیری عمیق برای
حل مشکلات تقسیمبندی و طبقهبندی دادههای ویدئویی کنار
جادهای برجسته میکند. این ساختارها و متدولوژیهای سیستم را
توصیف میکند که به طور خاص بر پایه یادگیری مفاهیم برای پردازش
دادههای ویدئویی کنار جاده ساخته شدهاند و تجزیه و تحلیل
دقیقی از فرآیندهای تقسیمبندی، استخراج ویژگی و طبقهبندی
ارائه میدهد. در نهایت، کاربردهای تجزیه و تحلیل داده های
ویدئویی کنار جاده از جمله برچسب زدن صحنه، طبقه بندی پوشش
گیاهی کنار جاده و تخمین زیست توده گیاهی در ارزیابی خطر آتش
سوزی را نشان می دهد.
This book highlights the methods and applications for
roadside video data analysis, with a particular focus on the
use of deep learning to solve roadside video data
segmentation and classification problems. It describes system
architectures and methodologies that are specifically built
upon learning concepts for roadside video data processing,
and offers a detailed analysis of the segmentation, feature
extraction and classification processes. Lastly, it
demonstrates the applications of roadside video data analysis
including scene labelling, roadside vegetation classification
and vegetation biomass estimation in fire risk
assessment.