正版新书]内容理解:技术、算法与实践孙子荀 等9787111735137

Contents  目  录作者简介前    言第一部分  内容理解第1章  文本内容理解21.1  文本表示21.1.1  文本表示的研究背景21.1.2  文本表示的方法31.2  文本分类91.2.1  文本分类的研究背景91.2.2  文本分类的方法91.3  本章小结17第2章  图像理解192.1  图像分类202.1.1  传统图像分类算法202.1.2  深度学习图像分类算法232.2  图像检测252.2.1  图像匹配算法262.2.2  基于OpenCV的模板匹配实现272.2.3  目标检测算法282.3  实际应用：通用元素检测框架302.4  本章小结31第3章  语音理解323.1  语音表征323.1.1  基于传统方法的语音表征333.1.2  基于深度学习的语音表征343.2  基于深度学习的音乐分类343.2.1  基于CNN的音乐分类353.2.2  基于RNN的音乐分类383.2.3  基于领域知识的CNN383.2.4  基于注意力机制的后端模块    算法413.3  本章小结43第4章  场景文字检测与识别444.1  场景文字的研究方向444.1.1  研究问题444.1.2  研究难点454.1.3  未来趋势454.2  场景文本算法的现状464.2.1  基于传统机器学习的文本检测464.2.2  基于传统机器学习的文本识别464.2.3  基于深度学习的文本检测474.2.4  基于深度学习的文本识别524.2.5  基于深度学习的端到端系统534.3  场景文本算法辅助技术554.3.1  不规则文本识别问题554.3.2  文本图像合成技术564.3.3  半监督技术574.4  数据集和评估标准584.4.1  基准数据集584.4.2  文本检测评估标准604.4.3  文本识别评估标准614.5  文本检测和识别的应用、现状     与未来614.5.1  应用614.5.2  现状624.5.3  挑战与未来趋势624.6  本章小结64第5章  视频理解655.1  视频表征665.1.1  研究目标与意义665.1.2  研究进展675.2  视频动作识别715.2.1  研究目标与意义715.2.2  研究难点715.2.3  研究进展715.3  视频时序动作定位745.3.1  研究目标与意义745.3.2  研究难点745.3.3  研究进展755.4  视频结构化分析795.4.1  研究目标与意义805.4.2  研究难点805.4.3  基于视频结构化的数据集805.4.4  视频结构的划分方法815.4.5  研究进展845.5  本章小结89第6章  多模态学习与内容理解916.1  多模态内容理解的研究方向916.1.1  研究问题916.1.2  研究意义与挑战926.1.3  研究方向与应用936.2  多模态表征946.2.1  因果表征946.2.2  联合表征986.3  多模态内容理解框架996.3.1  模态间推理996.3.2  模态间协同1016.3.3  模态间推理：零样本图像    分类1036.3.4  模态间协同：虚假新闻识别1056.4  大规模预训练技术1086.4.1  文本预训练1086.4.2  图像预训练1106.4.3  音频预训练1116.4.4  多模态预训练1126.5  本章小结114第7章  内容理解框架1157.1  常见的内容理解框架1157.1.1  Tensor2Tensor1157.1.2  OmniNet 1207.2  自研多模态内容理解框架1217.2.1  框架设计背景1217.2.2  contentAI框架介绍1257.2.3  高度配置化1257.2.4  高度组件化1277.2.5  开发者模式与用户模式1307.2.6  计算式网络搭建1317.2.7  计算图网络搭建 1327.2.8  自动化数据集构建 1337.2.9  能力优化1337.2.10  快速服务化1347.2.11  内容理解能力1357.2.12  代码编写范例1367.3  本章小结141第二部分  内容生成第8章  图片生成1448.1  基于GAN的图片生成1448.1.1  生成对抗网络1448.1.2  条件图片生成1468.1.3  文本转图片1478.1.4  图片迁移1478.1.5  高分辨率图片生成1498.2  基于扩散模型的图片生成1518.2.1  扩散模型1528.2.2  扩散模型生成图片1538.3  图片设计1558.3.1  智能裁剪1558.3.2  智能布局1568.4  本章小结157第9章  文本生成1589.1  文本生成的背景知识1589.1.1  语言模型1589.1.2  CFG文法1599.1.3  Encoder-Decoder框架1609.1.4  文本生成质量量化 1619.2  文本生成算法1629.2.1  基于统计的文本生成模型1629.2.2  基于神经网络的文本生成技术1649.3  本章小结172第10章  AI素材合成17310.1  AI人脸属性编辑17310.1.1  研究目标与意义17310.1.2  研究难点17510.1.3  研究进展17610.2  AI语音合成18110.2.1  研究目标与意义18110.2.2  基本的语音合成系统简介18210.2.3  端到端的语音合成系统18310.2.4  基于深度学习的算法介绍18510.3  AI虚拟人技术19510.3.1  研究目标与意义19510.3.2  二维多目标人体姿态估计19710.3.3  二维-三维人体姿态转换20310.4  AI表情包合成20510.4.1  表情包特性20610.4.2  表情包自动合成的意义及    挑战20710.4.3  表情包合成算法20810.4.4  表情包合成应用21210.5  本章小结213第11章  视频编辑21411.1  结构化数据视频编辑21511.1.1  基于模板的电视报道视频编辑21511.1.2  基于剪辑元素属性约束的    视频编辑21611.1.3  视频特效合成系统实践21711.2  文本驱动视频编辑22211.2.1  基于主题文本编辑的视频    蒙太奇22211.2.2  基于解说文本的旅游视频    编辑22411.3  音乐驱动视频编辑22511.3.1  音乐驱动视频蒙太奇22511.3.2  根据音乐生成视觉节奏22711.3.3  基于音乐合成视觉叙事    镜头23011.4  本章小结232第三部分  内容质量第12章  标题党23412.1  模型构建23512.1.1  业务定义23512.1.2  基于标题建模23612.1.3  基于文章整体内容建模 23812.2  标题党研究方向24112.2.1  数据方面的研究24112.2.2  特征构造方面的研究24112.2.3  模型方面的研究24112.3  数据集24212.4  相关论文介绍24312.4.1  特征构造24312.4.2  深度学习24512.5  本章小结247第13章  假新闻24813.1  基本方法24813.1.1  基于内容真实性24813.1.2  基于内容风格24913.1.3  基于传播模式25113.1.4  基于传播源特征25313.2  未来研究方向25313.3  数据集25413.4  相关论文介绍25413.5  本章小结271第14章  图文低俗识别27214.1  研究背景与问题定义27214.1.1  研究背景27214.1.2  问题定义27314.2  业界常用产品27414.3  主要技术手段27514.3.1  关键词27514.3.2  模型27614.3.3  匹配27714.3.4  举报27914.3.5  用户行为27914.3.6  多模态27914.4  业务案例27914.5  本章小结282

（1）作者背景权威：内容理解领域的资深专家，多位国内外高校博士，技术专家骨干。（2）团队经验丰富：作者团队在内容理解和生成领域工作了10余年，获得了十几个技术大奖和业务大奖，也在内容领域有丰富的经验。（3）实践经验：全书以工业界丰富的内容算法成果为支撑，全面讲解了企业在内容理解、内容生成、内容质量3大业务场景中的工程经验和案例。（4）行业优选成果：不仅有互联网的优秀技术和实践，而且还融合了全球技术界在内容理解与生成领域的优选思想和成果。（5）大模型多模态：一本书讲透文本、图片、音频、视频等各种模态的理解和生成，掌握大模型时代的关键技术。