Robust Computer Vision: Theory and Applications

از پیشگفتار توماس هوانگ:
\"در طول دهه گذشته، محققان بینایی کامپیوتر دریافته‌اند که روش‌های یادگیری ماشینی احتمالی بسیار قدرتمند هستند. این کتاب برخی از موارد را توضیح می‌دهد. علاوه بر چارچوب حداکثر احتمال، از شبکه‌های بیزی و مدل‌های مارکوف پنهان نیز استفاده می‌شود. بر سه جنبه تأکید می‌شود: ویژگی‌ها، متریک شباهت و مدل‌ها. بسیاری از نتایج جالب و مهم جدید، بر اساس تحقیقات نویسندگان و آنها همکاران ارائه شده است.

اگرچه این کتاب حاوی نتایج جدید بسیاری است، اما به سبکی نوشته شده است که هم برای متخصصان و هم افراد تازه کار در بینایی کامپیوتر مناسب است.\"

From the foreword by Thomas Huang:
"During the past decade, researchers in computer vision have found that probabilistic machine learning methods are extremely powerful. This book describes some of these methods. In addition to the Maximum Likelihood framework, Bayesian Networks, and Hidden Markov models are also used. Three aspects are stressed: features, similarity metric, and models. Many interesting and important new results, based on research by the authors and their collaborators, are presented.

Although this book contains many new results, it is written in a style that suits both experts and novices in computer vision."