加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 计算机视觉技术:事件相机原理与应用 高山,乔诗展,叶汝楷
¥ ×1
商品
服务
物流
第1章 计算机视觉简介 1.1 计算机视觉的概念 1.2 计算机视觉的应用 1.2.1 图像分类 1.2.2 目标检测 1.2.3 图像分割 1.2.4 目标跟踪 1.2.5 其他应用 1.3 思考与练习 第2章 事件相机的原理 2.1 数学基础知识 2.1.1 导数 2.1.2 积分 2.1.3 神经元模型 2.1.4 多层感知机与全连接层 2.1.5 损失函数 2.1.6 神经网络的优化 2.2 事件相机的概念及原理 2.3 常用的事件相机 2.3.1 DVS相机 2.3.2 ATIS相机 2.3.3 DAVIS 2.3.4 商业事件相机 2.4 思考与练习 第3章 事件信息的编码 3.1 点云式编码 3.2 CountImage编码 3.3 张量式编码 3.4 局部CountImage编码 3.5 TimeImage编码 3.6 LeakySurface编码 3.7 思考与练习 第4章 事件的普通卷积 4.1 2D卷积的基本原理 4.2 卷积神经网络的组成 4.2.1 卷积层 4.2.2 池化层 4.2.3 全连接层 4.2.4 全局最大/平均池化 4.3 事件2D卷积的适用范围 4.3.1 编码要求 4.3.2 直接事件卷积存在的问题 4.4 思考与练习 第5章 事件的稀疏卷积 5.1 稀疏卷积的基本原理 5.1.1 SC层的定义 5.1.2 VSC层的定义 5.2 稀疏池化与全连接层 5.2.1 稀疏池化层 5.2.2 稀疏全连接层 5.3 稀疏卷积的特征 5.3.1 编码要求 5.3.2 流形拟合特性 5.3.3 稀疏卷积的缺点 5.4 思考与练习 第6章 事件的图卷积 6.1 图卷积的基本原理 6.1.1 事件的采样 6.1.2 图的概念及事件图的构建 6.1.3 图卷积的定义 6.1.4 图池化及图全连接层的定义 6.2 图卷积的特性 6.2.1 编码要求 6.2.2 图的普适性 6.2.3 方向可变性 6.3 思考与练习 第7章 事件的3D卷积 7.1 3D卷积的原理 7.1.1 卷积层的扩展 7.1.2 池化层的扩展 7.2 事件输入与3D卷积的特点 7.2.1 事件输入的编码要求 7.2.2 直接3D卷积的现存问题 7.2.3 3D卷积的可分解性 7.3 4D卷积简介 7.4 思考与练习 第8章 基于LSTM的事件处理 8.1 LSTM的基本原理 8.1.1 LSTM细胞的定义 8.1.2 LSTM的运算更新 8.2 LSTM的变体及事件处理 8.2.1 ConvLSTM 8.2.2 PhasedLSTM 8.3 思考与练习 第9章 基于脉冲神经网络的事件处理 9.1 普通神经元的局限 9.2 脉冲神经网络的概念 9.2.1 脉冲神经元模型 9.2.2 脉冲全连接层 9.2.3 脉冲卷积层 9.2.4 脉冲池化层 9.3 脉冲神经网络的学习 9.4 脉冲神经网络的特点 9.4.1 编码要求 9.4.2 脉冲神经网络的局限 9.5 思考与练习 第10章 基于生成对抗网络的事件处理 10.1 生成对抗网络的基本原理 10.1.1 普通GAN的对弈原理 10.1.2 cGAN的对弈原理 10.1.3 Cycle-GAN的对弈原理 10.1.4 Info-GAN的对弈原理 10.2 事件图像的生成 10.3 思考与练习 参考文献
1.本书对计算机视觉技术方向的基础理论进行了讲解,可作为该方向的入门类图书。 2.本书是**首本“事件相机”方向的图书。 3.本书用较大篇幅对卷积神经网络的相关原理和方法进行了论述。 4.本书包含LSTM\/GAN\/脉冲神经网络等前沿技术。 5.本书理论性较强,为读者打好理论基础。
《计算机视觉技术:事件相机原理与应用》是一本关于事件相机原理基础的入门类图书。主要从计算机视觉技术的基础和相关数学基础开始讲解,对事件信息的编码、事件的卷积(普通卷积、稀疏卷积、图卷积、3D卷积)分别进行了生动的介绍,最后又通过三个章节,对基于长短期记忆网络(LSTM)、脉冲神经网络(SNN)、生成对抗网络(GAN)的事件处理的原理和方法做了解读。 本书图文并茂,文字生动有趣,内容浅显易懂,并配有较多例题和习题,以便读者理解和巩固,适用于对事件相机方向感兴趣的技术人员阅读,同时也可供计算机视觉方向的初学者阅读和学习。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员