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: Jia Li. Wen Gao (auth.)
سری: Lecture Notes in Computer Science 8408 Image Processing, Computer Vision, Pattern Recognition, and Graphics
ISBN (شابک) : 9783319056418, 9783319056425
ناشر: Springer International Publishing
سال نشر: 2014
تعداد صفحات: 245
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 33 مگابایت
کلمات کلیدی مربوط به کتاب محاسبه قدرت شادی: چشم انداز یادگیری ماشین: پردازش تصویر و بینایی کامپیوتری، هوش مصنوعی (شامل رباتیک)، داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Visual Saliency Computation: A Machine Learning Perspective 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 محاسبه قدرت شادی: چشم انداز یادگیری ماشین 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 اصول اساسی و رویکردهای محاسباتی مربوط به محاسبات برجسته بصری را پوشش می دهد. به عنوان یک مشکل بین رشته ای، محاسبات برجسته بصری در این کتاب از دیدگاهی نوآورانه معرفی شده است که هم نوروبیولوژی و هم یادگیری ماشین را ترکیب می کند. این کتاب همچنین ساختار خوبی دارد تا طیف وسیعی از خوانندگان، از متخصصان این حوزه گرفته تا خوانندگان عمومی علاقه مند به علوم کامپیوتر و روانشناسی شناختی را مورد خطاب قرار دهد. با استفاده از این کتاب، خواننده میتواند از سؤال اساسی «برجستگی بصری چیست؟» شروع کند و به تدریج مشکلات موجود در تشخیص مکانهای برجسته، استخراج اشیاء برجسته، یادگیری دانش قبلی، ارزیابی عملکرد و استفاده از برجستگی در واقعیت را بررسی کند. برنامه های کاربردی جهان بسیار انتظار می رود که این کتاب در سال های آینده علاقه زیادی به تحقیقات در جوامع مرتبط ایجاد کند.
This book covers fundamental principles and computational approaches relevant to visual saliency computation. As an interdisciplinary problem, visual saliency computation is introduced in this book from an innovative perspective that combines both neurobiology and machine learning. The book is also well-structured to address a wide range of readers, from specialists in the field to general readers interested in computer science and cognitive psychology. With this book, a reader can start from the very basic question of "what is visual saliency?" and progressively explore the problems in detecting salient locations, extracting salient objects, learning prior knowledge, evaluating performance, and using saliency in real-world applications. It is highly expected that this book will spark a great interest of research in the related communities in years to come.
Front Matter....Pages -
Introduction....Pages 1-21
Benchmark and Evaluation Metrics....Pages 23-44
Location-Based Visual Saliency Computation....Pages 45-71
Object-Based Visual Saliency Computation....Pages 73-100
Learning-Based Visual Saliency Computation....Pages 101-149
Mining Cluster-Specific Knowledge for Saliency Ranking....Pages 151-178
Removing Label Ambiguity in Training Saliency Model....Pages 179-213
Saliency-Based Applications....Pages 215-232
Conclusions and Future Work....Pages 233-237
Back Matter....Pages -