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: [1st ed. 2021] نویسندگان: Weiwei Xing, Weibin Liu, Jun Wang, Shunli Zhang, Lihui Wang, Yuxiang Yang, Bowen Song سری: ISBN (شابک) : 981166241X, 9789811662416 ناشر: Springer سال نشر: 2021 تعداد صفحات: 207 [202] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Visual Object Tracking from Correlation Filter to 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 ردیابی شیء بصری از فیلتر همبستگی تا 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 بر روی سیستمها و رویکردهای ردیابی شی بصری مبتنی بر فیلتر همبستگی و یادگیری عمیق تمرکز دارد. هم مبانی و هم اجراها مورد توجه قرار گرفته است. الگوریتم، طراحی سیستم و ارزیابی عملکرد برای سه نوع روش ردیابی شامل روشهای مبتنی بر فیلتر همبستگی، فیلتر همبستگی با روشهای مبتنی بر ویژگی عمیق و روشهای مبتنی بر یادگیری عمیق مورد بررسی قرار گرفتهاند. در مرحله اول، استراتژی آگاه از زمینه و چند مقیاسی در ردیاب های مبتنی بر فیلتر همبستگی ارائه شده است. سپس، فیلتر همبستگی کوتاه مدت، فیلتر همبستگی آگاه از زمینه و جابجایی کمکی در چارچوب SiamFC برای ترکیب فیلتر همبستگی و یادگیری عمیق در ردیابی شی بصری پیشنهاد شدهاند. در نهایت، پیشرفت هایی در ردیاب های مبتنی بر یادگیری عمیق از جمله شبکه سیامی، GAN و یادگیری تقویتی طراحی شده است. هدف این کتاب ارائه به موقع، آخرین پیشرفتها و پیشرفتها در ردیابی اشیاء بصری، بهویژه فیلتر همبستگی و روشهای مبتنی بر یادگیری عمیق است که بهویژه برای خوانندگانی که علاقهمند به تحقیق و نوآوری فناوری در بصری هستند مناسب است. ردیابی شی و زمینه های مرتبط
The book focuses on visual object tracking systems and approaches based on correlation filter and deep learning. Both foundations and implementations have been addressed. The algorithm, system design and performance evaluation have been explored for three kinds of tracking methods including correlation filter based methods, correlation filter with deep feature based methods, and deep learning based methods. Firstly, context aware and multi-scale strategy are presented in correlation filter based trackers; then, long-short term correlation filter, context aware correlation filter and auxiliary relocation in SiamFC framework are proposed for combining correlation filter and deep learning in visual object tracking; finally, improvements in deep learning based trackers including Siamese network, GAN and reinforcement learning are designed. The goal of this book is to bring, in a timely fashion, the latest advances and developments in visual object tracking, especially correlation filter and deep learning based methods, which is particularly suited for readers who are interested in the research and technology innovation in visual object tracking and related fields.