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
نویسندگان: Li Zhaoping
سری:
ISBN (شابک) : 0199564663, 9780199564668
ناشر: Oxford University Press
سال نشر: 2014
تعداد صفحات: 397
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب درک چشم انداز: نظریه، مدل ها و داده ها: روانشناسی شناختی،علوم رفتاری،علوم و ریاضی،علوم اعصاب،عصب شناسی،طب داخلی،پزشکی،شناختی،روانشناسی،علوم اعصاب،علوم پایه،پزشکی،پزشکی و علوم بهداشتی،کتابهای درسی جدید، مستعمل و اجاره ای علوم اجتماعی، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Understanding Vision: Theory, Models, and Data 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 درک چشم انداز: نظریه، مدل ها و داده ها 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.
در حالی که حوزه علم بینایی در دو دهه گذشته به طور قابل توجهی
رشد کرده است، کتاب های جامع کمی وجود دارد که به خوانندگان نشان
می دهد چگونه یک رویکرد محاسباتی برای درک ادراک بصری، همراه با
مکانیسم های زیربنایی در مغز اتخاذ کنند.
درک چشم انداز اصول محاسباتی و مدل های پردازش بصری
بیولوژیکی، و به ویژه، بینایی نخستی ها را توضیح می دهد. این کتاب
به گونه ای نوشته شده است که دانشمندان بینایی ناآشنا با جزئیات
ریاضی باید بتوانند به صورت مفهومی اصول نظری و ارتباط آنها با
مشاهدات فیزیولوژیکی، تشریحی و روانشناختی را بدون مرور صفحات
ریاضی بیشتر دنبال کنند. برای کسانی که پیشینه علوم فیزیکی دارند،
به ویژه کسانی که از بینایی ماشین هستند، این کتاب به عنوان مقدمه
ای تحلیلی برای بینایی بیولوژیکی عمل می کند. این می تواند به
عنوان یک کتاب درسی یا یک کتاب مرجع در یک دوره بینایی، یا یک
دوره علوم اعصاب محاسباتی برای دانشجویان کارشناسی ارشد یا
دانشجویان مقطع کارشناسی ارشد استفاده شود. همچنین برای خودآموزی
توسط خوانندگان با انگیزه مناسب است.
علاوه بر این، برای کسانی که فقط به یکی از موضوعات کتاب علاقه
متمرکز دارند، می توان فقط فصل مربوط به این موضوع را بدون مطالعه
یا درک کامل فصل های دیگر مطالعه کرد. به طور خاص، فصل 2 مروری
کوتاه بر مشاهدات تجربی در بینایی بیولوژیکی ارائه میکند. فصل 3
در مورد رمزگذاری ورودی های بصری است، فصل 5 در مورد انتخاب توجه
بصری که توسط ورودی های حسی هدایت می شود، و فصل 6 در مورد درک
بصری یا رمزگشایی است.
از جمله مثالهای زیادی که کاربرد اصول محاسباتی در مشاهدات تجربی
را به وضوح نشان میدهند، درک Vision برای دانشجویان و
محققان علوم اعصاب محاسباتی، علوم بینایی، بینایی ماشین و
کامپیوتر ارزشمند است. و همچنین فیزیکدانان علاقه مند به
فرآیندهای بصری.
While the field of vision science has grown significantly in
the past two decades, there have been few comprehensive books
that showed readers how to adopt a computional approach to
understanding visual perception, along with the underlying
mechanisms in the brain.
Understanding Vision explains the computational
principles and models of biological visual processing, and in
particular, of primate vision. The book is written in such a
way that vision scientists, unfamiliar with mathematical
details, should be able to conceptually follow the theoretical
principles and their relationship with physiological,
anatomical, and psychological observations, without going
through the more mathematical pages. For those with a physical
science background, especially those from machine vision, this
book serves as an analytical introduction to biological vision.
It can be used as a textbook or a reference book in a vision
course, or a computational neuroscience course for graduate
students or advanced undergraduate students. It is also
suitable for self-learning by motivated readers.
in addition, for those with a focused interest in just one of
the topics in the book, it is feasible to read just the chapter
on this topic without having read or fully comprehended the
other chapters. In particular, Chapter 2 presents a brief
overview of experimental observations on biological vision;
Chapter 3 is on encoding of visual inputs, Chapter 5 is on
visual attentional selection driven by sensory inputs, and
Chapter 6 is on visual perception or decoding.
Including many examples that clearly illustrate the application
of computational principles to experimental observations,
Understanding Vision is valuable for students and
researchers in computational neuroscience, vision science,
machine and computer vision, as well as physicists interested
in visual processes.
Content: 1. Approach and Scope
2. A Very Brief Introduction of What is Known about Vision Experimentally
3. The Efficient Coding Principle
4. V1 and Information Coding
5. The V1 Hypothesis - creating a bottom up saliency map for preattentive selection and segmentation
6. Visual Recognition as Decoding
7. Epilogue