返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 计算机视觉 (英)西蒙J.D.普林斯(Simon J.D.Prince) 著;苗启广 等 译 大中专 文轩网
  • 新华书店正版
    • 作者: (英)西蒙J.D.普林斯(Simon J.D.Prince) 著;苗启广 等 译著
    • 出版社: 机械工业出版社
    • 出版时间:2017-06-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (英)西蒙J.D.普林斯(Simon J.D.Prince) 著;苗启广 等 译著
    • 出版社:机械工业出版社
    • 出版时间:2017-06-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-06-01
    • 页数:442
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    计算机视觉

    作  者:(英)西蒙J.D.普林斯(Simon J.D.Prince) 著;苗启广 等 译
    定  价:119
    出 版 社:机械工业出版社
    出版日期:2017年06月01日
    页  数:442
    装  帧:平装
    ISBN:9787111516828
    主编推荐

    内容简介

    本书是一本从机器学习视角讲解计算机视觉的很好好的教材。全书图文并茂、语言浅显易懂,算法描述由浅入深,即使是数学背景不强的学生也能轻松理解和掌握。作者展示了如何使用训练数据来学习观察到的图像数据和我们希望预测的现实世界现象之间的联系,以及如何如何研究这些联系来从新的图像数据中作出新的推理。本书要求少的前导知识,从介绍概率和模型的基础知识开始,接着给出让学生能够实现和修改来构建有用的视觉系统的实际示例。适合作为计算机视觉和机器学习的高年级本科生或研究生的教材,书中详细的方法演示和示例对于计算机视觉领域的专业人员也很好有用。

    作者简介

    西蒙 J.D.普林斯(Simon J.D.Prince)博士,是伦敦大学学院计算机科学系不错讲师,讲授过机器视觉、图像处理和高等数学方法等课程。他拥有生物科学与计算机科学等多种学科背景,并在计算机视觉、生物学、心理学、生理学、医学成像、计算机图形学和人机交互等跨学科领域发表过多篇论文。

    精彩内容

    目录
    译者序
    译者简介

    前言
    第1章绪论
    1.1本书结构
    1.2其他书籍
    第一部分概率
    第2章概率概述
    2.1随机变量
    2.2联合概率
    2.3边缘化
    2.4条件概率
    2.5贝叶斯公式
    2.6独立性
    2.7期望
    讨论
    备注
    习题
    第3章常用概率分布
    3.1伯努利分布
    3.2贝塔分布
    3.3分类分布
    3.4狄利克雷分布
    3.5一元正态分布
    3.6正态逆伽马分布
    3.7多元正态分布
    3.8正态逆维希特分布
    3.9共轭性
    总结
    备注
    习题
    第4章拟合概率模型
    4.1优选似然法
    4.2优选后验法
    4.3贝叶斯方法
    4.4算例1:一元正态分布
    4.4.1优选似然估计
    4.4.2优选后验估计
    4.4.3贝叶斯方法
    4.5算例2:分类分布
    4.5.1优选似然法
    4.5.2优选后验法
    4.5.3贝叶斯方法
    总结
    备注
    习题
    第5章正态分布
    5.1协方差矩阵的形式
    5.2协方差分解
    5.3变量的线性变换
    5.4边缘分布
    5.5条件分布
    5.6正态分布的乘积
    5.7变量改变
    总结
    备注
    习题
    第二部分机器视觉的机器学习
    第6章视觉学习和推理
    6.1计算机视觉问题
    6.2模型的种类
    6.2.1判别模型
    6.2.2生成模型
    6.3示例1:回归
    6.3.1判别模型
    6.3.2生成模型
    6.4示例2:二值分类
    6.4.1判别模型
    6.4.2生成模型
    6.5应该用哪种模型
    6.6应用
    6.6.1皮肤检测
    6.6.2背景差分
    总结
    备注
    习题
    第7章复杂数据密度建模
    7.1正态分类模型
    7.2隐变量
    7.3期望优选化
    7.4混合高斯模型
    7.4.1混合高斯边缘化
    7.4.2基于期望优选化的混合模型拟合
    7.5t分布
    7.5.1学生t分布边缘化
    7.5.2拟舍t分布的期望优选化
    7.6因子分析
    7.6.1因子分析的边缘分布
    7.6.2因子分析学习的期望优选化
    7.7组合模型
    7.8期望优选化算法的细节
    7.8.1期望优选化算法的下界
    7.8.2E步
    7.8.3M步
    7.9应用
    7.9.1人脸检测
    7.9.2目标识别
    7.9.3分割
    7.9.4正脸识别
    7.9.5改变人脸姿态(回归)
    7.9.6作为隐变量的变换
    总结
    备注
    习题
    第8章回归模型
    8.1线性回归
    8.1.1学习
    8.1.2线性回归模型的问题
    8.2贝叶斯线性回归
    8.2.1实际考虑
    8.2.2拟合方差
    8.3非线性回归
    8.3.1优选似然法
    8.3.2贝叶斯非线性回归
    8.4核与核技巧
    8.5高斯过程回归
    8.6稀疏线性回归
    8.7二元线性回归
    8.8相关向量回归
    8.9多变量数据回归
    8.10应用
    8.10.1人体姿势估计
    8.10.2位移专家
    讨论
    备注
    习题
    第9章分类模型
    9.1逻辑回归
    9.1.1学习:优选似然估计
    9.1.2逻辑回归模型的问题
    9.2贝叶斯逻辑回归
    9.2.1学习
    9.2.2推理
    9.3非线性逻辑回归
    9.4对偶逻辑回归模型
    9.5核逻辑回归
    9.6相关向量分类
    9.7增量拟合和boostjng
    9.8分类树
    9.9多分类逻辑同归
    9.10随机树、随机森林和随机蕨分类器
    9.11与非概率模型的联系
    9.12应用
    9.12.1性别分类
    9.12.2脸部和行人检测
    9.12.3语义分割
    9.12.4恢复袁面布局
    9.12.5人体部位识别
    讨论
    备注
    习题
    第三部分连接局部模型
    第10章图模型
    10.1条件独立性
    10.2有向图模型
    10.2.1示例1
    10.2.2示例2
    10.2.3示例3
    10.2.4总结
    10.3无向图模型
    10.3.1示例1
    10.3.2示例2
    10.4有向图模型与无向图模型的对比
    10.5计算机视觉中的图模型
    10.6含有多个未知量的模型推理
    10.6.1求优选后验概率的解
    10.6.2求后验概率分布的边缘分布
    10.6.3优选化边缘
    10.6.4后验分布的采样
    10.7样本采样
    10.7.1有向图模型的采样
    10.7.2无向图模型的采样
    10.8学习
    10.8.1有向图模型的学习
    10.8.2无向图模型的学习
    讨论
    备注
    习题
    第11章链式模型和树模型
    11.1链式模型
    11.1.1有向链式模型
    11.1.2无向链式模型
    11.1.3模型的等价性
    11.1.4隐马尔可夫模型在手语中的应用
    11.2链式MAP推理
    11.3树的MAP推理
    11.4链式边缘后验推理
    11.4.1求解边缘分布
    11.4.2前向后向算法
    11.4.3置信传播
    11.4.4链式模型的和积算法
    11.5树的边缘后验推理
    11.6链式模型和树模型的学习
    11.7链式模型和树模型之外的东西
    11.8应用
    11.8.1手势跟踪
    11.8.2立体视觉
    11.8.3形象化结构
    11.8.4分割
    讨论
    备注
    习题
    第12章网格模型
    12.1马尔可夫随机场
    12.1.1网格示例
    12.1.2离散成对MRF图像去噪
    12.2二值成对马尔可夫随机场的MAP推理
    12.2.1优选流/最小割
    12.2.2MAP推理:二值变量
    12.3多标签成对MRF的MAP推理
    12.4非凸势的多标签MRF
    12.5条件随机场
    12.6高阶模型
    12.7网格有向模型
    12.8应用
    12.8.1背景差分
    12.8.2交互式分割
    12.8.3立体视觉
    12.8.4图像重排
    12.8.5超分辨率
    12.8.6纹理合成
    12.8.7合成新面孔
    讨论
    备注
    习题
    第四部分预处理
    第13章图像预处理与特征提取
    13.1逐像素变换
    13.1.1白化
    13.1.2直方图均衡化
    13.1.3线性滤波
    13.1.4局部二值模式
    13.1.5纹理基元映射
    13.2边缘、角点和兴趣点
    13.2.1Canny边缘检测器
    13.2.2Harris角点检测器
    13.2.3SIFT检测器
    13.3描述子
    13.3.1直方图
    13.3.2SIFT描述于
    13.3.3方向梯度直方图
    13.3.4词袋描述子
    13.3.5形状内容描述子
    13.4降维
    13.4.1单数值近似
    13.4.2主成分分析
    13.4.3二元主成分分析
    13.4.4K均值算法
    结论
    备注
    习题
    第五部分几何模型
    第14章针孔摄像机
    14.1针孔摄像机简介
    14.1.1归一化摄像机
    14.1.2焦距参数
    14.1.3偏移量和偏移参数
    14.1.4摄像机的位置与方向
    14.1.5全针孔摄像机模型
    14.1.6径向畸变
    14.2三个几何问题
    14.2.1问题1:学习外在参数
    14.2.2问题2:学习内在拳数
    14.2.3问题3:推理3D世界点
    14.2.4解决问题
    14.3齐次坐标
    14.4学习外在参数
    14.5学习内在参数
    14.6推理3D世界点
    14.7应用
    14.7.1结构光的深度
    14.7.2剪影重构
    讨论
    备注
    习题
    第15章变换模型
    15.1二维变换模型
    15.1.1欧氏变换模型
    15.1.2相似变换模型
    15.1.3仿射变换模型
    15.1.4投影变换模型
    15.1.5增加不确定性
    15.2变换模型中的学习
    15.2.1学习欧氏参数
    15.2.2学习相似参数
    15.2.3学习仿射参数
    15.2.4学习投影参数
    15.3变换模型中的推理
    15.4平面的三个几何问题
    15.4.1问题1:学习外在参数
    15.4.2问题2:学习内在参数
    15.4.3问题3:与摄像机相关的3D位置推理
    15.5图像间的变换
    15.5.1单应性的几何特征
    15.5.2计算图像间的变换
    15.6变换的鲁棒学习
    15.6.1RANSAC
    15.6.2连续RANSAC
    15.6.3PEaRL
    15.7应用
    15.7.1增强现实追踪
    15.7.2视觉全景
    讨论
    备注
    习题
    第16章多摄像机系统
    16.1双视图几何学理论
    16.1.1极线约束
    16.1.2极点
    16.2实矩阵
    16.2.1实矩阵的属性
    16.2.2实矩阵的分解
    16.3基础矩阵
    16.3.1基础矩阵的估计
    16.3.28点算法
    16.4双视图重构的流程
    16.5校正
    16.5.1平面校正
    16.5.2极面校正
    16.5.3校正后处理
    16.6多视图重构
    16.7应用
    16.7.1三维重构
    16.7.2图片浏览
    16.7.3立体图割
    讨论
    备注
    习题
    ……
    第六部分视觉模型
    第七部分附录

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购