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!
100%刮中券,最高50元无敌券,券有效期7天
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 模型 学习和推理 西蒙 普林斯 计 算机科学丛书 黑皮书 9787111516828 机械工业
¥ ×1
标题前缀为分类信息!!!!!!!购买前请看好标题前缀!!!!!总标题中【正版】前为标题前缀!!!
店铺公告
本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!
2.店铺无纸质均开具电子,请联系客服开具电子版
商品基本信息 | |
商品名称: | 计算机视觉:模型、学习和推理 |
作者: | [英]西蒙 J.D. 普林斯(Simon J. D. Prince |
市场价: | 119.00 |
ISBN号: | 9787111516828 |
版次: | 1-1 |
出版日期: | 2017-06 |
页数: | 442 |
字数: | 487 |
出版社: | 机械工业出版社 |
目录 | |
目录 Computer Vision:Models,Learning,and Inference 译者序 译者简介 序 前言 第1章绪论1 11本书结构2 12其他书籍4 第一部分概率 第2章概率概述6 21随机变量6 22联合概率7 23边缘化7 24条件概率8 25贝叶斯公式9 26独立性9 27期望10 讨论10 备注11 习题11 第3章常用概率分布12 31伯努利分布13 32贝塔分布13 33分类分布14 34狄利克雷分布14 35一元正态分布15 36正态逆伽马分布15 37多元正态分布16 38正态逆维希特分布16 39共轭性17 总结18 备注18 习题18 第4章拟合概率模型21 41最大似然法21 42最大后验法21 43贝叶斯方法22 44算例1:一元正态分布22 441最大似然估计22 442最大后验估计24 443贝叶斯方法26 45算例2:分类分布28 451最大似然法28 452最大后验法29 453贝叶斯方法30 总结31 备注31 习题32 第5章正态分布34 51协方差矩阵的形式34 52协方差分解35 53变量的线性变换36 54边缘分布36 55条件分布37 56正态分布的乘积38 57变量改变38 总结38 备注39 习题39 第二部分机器视觉的机器学习 第6章视觉学习和推理42 61计算机视觉问题42 62模型的种类42 621判别模型43 622生成模型43 63示例1:回归43 631判别模型44 632生成模型44 64示例2:二值分类46 641判别模型46 642生成模型46 65应该用哪种模型48 66应用49 661皮肤检测49 662背景差分50 总结51 备注51 习题52 第7章复杂数据密度建模54 71正态分类模型54 72隐变量56 73期望最大化57 74混合高斯模型58 741混合高斯边缘化59 742基于期望最大化的混合模型拟合59 75t分布63 751学生t分布边缘化64 752拟合t分布的期望最大化65 76因子分析67 761因子分析的边缘分布68 762因子分析学习的期望最大化68 77组合模型71 78期望最大化算法的细节71 781期望最大化算法的下界73 782E步74 783M步74 79应用75 791人脸检测75 792目标识别76 793分割77 794正脸识别78 795改变人脸姿态(回归)78 796作为隐变量的变换79 总结80 备注80 习题81 第8章回归模型82 81线性回归82 811学习83 812线性回归模型的问题83 82贝叶斯线性回归84 821实际考虑85 822拟合方差86 83非线性回归87 831最大似然法87 832贝叶斯非线性回归89 84核与核技巧89 85高斯过程回归90 86稀疏线性回归91 87二元线性回归93 88相关向量回归95 89多变量数据回归96 810应用96 8101人体姿势估计96 8102位移专家97 讨论98 备注98 习题98 第9章分类模型100 91逻辑回归100 911学习:最大似然估计102 912逻辑回归模型的问题103 92贝叶斯逻辑回归104 921学习104 922推理106 93非线性逻辑回归107 94对偶逻辑回归模型108 95核逻辑回归110 96相关向量分类111 97增量拟合和boosting113 98分类树116 99多分类逻辑回归117 910随机树、随机森林和随机蕨分类器118 911与非概率模型的联系119 912应用120 9121性别分类120 9122脸部和行人检测121 9123语义分割122 9124恢复表面布局123 9125人体部位识别124 讨论125 备注125 习题127 第三部分连接局部模型 第10章图模型130 101条件独立性130 102有向图模型131 1021示例1132 1022示例2132 1023示例3133 1024总结134 103无向图模型134 1031示例1135 1032示例2136 104有向图模型与无向图模型的对比136 105计算机视觉中的图模型137 106含有多个未知量的模型推理139 1061求最大后验概率的解139 1062求后验概率分布的边缘分布139 1063最大化边缘140 1064后验分布的采样140 107样本采样140 1071有向图模型的采样141 1072无向图模型的采样141 108学习142 1081有向图模型的学习142 1082无向图模型的学习143 讨论145 备注145 习题145 第11章链式模型和树模型147 111链式模型148 1111有向链式模型148 1112无向链式模型148 1113模型的等价性148 1114隐马尔可夫模型在手语中的应用149 112链式MAP推理149 113树的MAP推理152 114链式边缘后验推理155 1141求解边缘分布155 1142前向后向算法156 1143置信传播157 1144链式模型的和积算法158 115树的边缘后验推理160 116链式模型和树模型的学习161 117链式模型和树模型之外的东西161 118应用163 1181手势跟踪163 1182立体视觉164 1183形象化结构166 1184分割167 讨论167 备注168 习题169 第12章网格模型172 121马尔可夫随机场172 1211网格示例173 1212离散成对MRF图像去噪174 122二值成对马尔可夫随机场的MAP推理175 1221最大流/最小割176 1222MAP推理:二值变量177 123多标签成对MRF的MAP推理182 124非凸势的多标签MRF186 125条件随机场189 126高阶模型190 127网格有向模型190 128应用191 1281背景差分191 1282交互式分割192 1283立体视觉193 1284图像重排193 1285超分辨率195 1286纹理合成196 1287合成新面孔197 讨论198 备注198 习题200 第四部分预处理 第13章图像预处理与特征提取204 131逐像素变换204 1311白化204 1312直方图均衡化205 1313线性滤波206 1314局部二值模式210 1315纹理基元映射211 132边缘、角点和兴趣点212 1321Canny边缘检测器212 1322Harris角点检测器214 1323SIFT检测器215 133描述子216 1331直方图216 1332SIFT描述子216 1333方向梯度直方图217 1334词袋描述子218 1335形状内容描述子218 134降维219 1341单数值近似220 1342主成分分析221 1343二元主成分分析221 1344K均值算法222 结论223 |
内容简介 | |
本书是一本从机器学习视角讲解计算机视觉的非常好的教材。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非常有用。 |
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~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格