正版 计算机视觉十讲 查红彬 计算机视觉 人工智能 机器视觉 底层视觉 数学模型 深度学习 语义分割 机械工业出版社

商品名称：

计算机视觉十讲

作      者：

市  场 价：

ISBN  号：

出版日期：

页      数：

开      本：

出  版 社：

 机械工业出版社

丛书序 

“十讲”序 

推荐序 

前言 

第 1 讲 底层视觉 

1.1 底层视觉概述 /2 

1.1.1 底层视觉定义 /2 

1.1.2 传统底层视觉方法 /2 

1.2 基于数学模型的底层视觉方法 /4 

1.2.1 全变分模型 /4 

1.2.2 稀疏和低秩模型 /7 

1.2.3 小结 /13 

1.3 基于深度学习的底层视觉方法 /13 

1.3.1 图像去噪 /14 

1.3.2 图像超分辨率 /17 

1.3.3 基于 VGG 模型的图像超分辨率方法 /17 

1.3.4 图像去模糊 /21 

1.4 底层视觉的挑战与展望 /26 

参考文献 /26

第 2 讲 图像质量评价 

2.1 全参考/部分参考型图像质量评价 /34 

2.1.1 全参考型图像质量评价 /34 

2.1.2 部分参考型图像质量评价 /37 

2.2 无参考型图像质量评价 /38 

2.2.1 基于统计学的无参考型图像质量评价 /39 

2.2.2 基于深度学习的无参考型图像质量评价 /40 

2.3 图像美学质量评价 /45 

2.3.1 大众化图像美学评价 /48 

2.3.2 个性化图像美学评价 /63 

2.4 总结与展望 /70 

参考文献 /70 

第 3 讲 图像分割 

3.1 图像分割概述 /80 

3.1.1 早期图像分割 /80 

3.1.2 语义分割 /80 

3.1.3 实例分割和全景分割 /81 

3.1.4 其他分割问题 /81 

3.2 图像语义分割 /82 

3.2.1 背景与问题 /82 

3.2.2 基于传统特征的图像语义分割 /82 

3.2.3 基于深度特征的图像语义分割 /82 

3.3 图像实例分割 /88 

3.3.1 问题定义 /88 

3.3.2 两阶段实例分割 /89 

3.3.3 一阶段实例分割 /91 

3.3.4 基于 Transformer 的实例分割 /93 

3.4 图像全景分割 /95 

3.4.1 问题定义 /95 

3.4.2 子任务分离的全景分割 /96 

3.4.3 子任务统一的全景分割 /98 

3.5 弱监督图像分割 /99 

3.5.1 基于超像素的方法 /100 

3.5.2 基于分类网络的方法 /101 

3.6 跨域图像分割 /103 

3.6.1 基于风格迁移的输入级图像对齐 /103 

3.6.2 基于域不变特征发掘的中间级特征对齐 /104 

3.6.3 基于标签分布发掘的输出级预测结果对齐 /105 

3.7 医疗图像分割 /106 

3.7.1 全监督医疗图像分割 /108 

3.7.2 弱监督医疗图像分割 /112 

参考文献 /114 

第 4 讲 目标检测 

4.1 目标检测概述 /128 

4.1.1 目标检测的概念 /128 

4.1.2 目标检测的研究意义 /128 

4.1.3 目标检测的发展路线 /130 

4.1.4 小结 /134 

4.2 非深度学习目标检测方法 /134 

4.2.1 图像匹配方法 /134 

4.2.2 机器学习方法 /137 

4.2.3 小结 /139 

4.3 深度学习目标检测方法 /139 

4.3.1 深度学习简介 /139 

4.3.2 深度学习模型 /140 

4.3.3 基于深度学习的方法框架 /143 

4.4 评价指标和数据集 /148 

4.4.1 数据集 /148 

4.4.2 评价指标 /150 

4.5 讨论与展望 /151 

4.5.1 目标检测面临的挑战 /151 

4.5.2 目标检测的发展趋势 /152 

参考文献 /154 

第 5 讲 目标跟踪 

5.1 引言 /162 

5.2 目标跟踪概述 /162 

5.2.1 目标跟踪的基本概念 /162 

5.2.2 目标跟踪的分类方式 /163 

5.2.3 目标跟踪的研究意义 /164 

5.2.4 小结 /165 

5.3 单目标跟踪 /165 

5.3.1 传统方法 /165 

5.3.2 深度学习方法 /167 

5.3.3 数据集与评价指标 /182 

5.3.4 小结 /184 

5.4 多目标跟踪 /185 

5.4.1 多目标关联技术 /186 

5.4.2 一体化多目标跟踪技术 /191 

5.4.3 数据集与评价指标 /194 

5.4.4 小结 /196 

5.5 其他跟踪问题 /196 

5.5.1 视频目标检测与多目标跟踪 /196 

5.5.2 视频实例分割中的跟踪问题 /196 

5.5.3 半监督视频物体分割 /198 

5.5.4 小结 /199 

5.6 应用 /199 

5.6.1 目标跟踪与安防监控 /199 

5.6.2 目标跟踪与智能机器人 /200 

5.6.3 目标跟踪与自动驾驶 /201 

5.6.4 无人机精准跟踪 /202 

5.6.5 跟踪辅助视频标注 /204 

5.7 总结与展望 /204 

5.7.1 目标跟踪面临的挑战 /204 

5.7.2 目标跟踪的发展趋势 /207 

5.7.3 小结 /208 

参考文献 /208 

第 6 讲 行人重识别 

6.1 行人重识别的定义与常用方法 /228 

6.1.1 背景与问题 /228 

6.1.2 常用方法 /229 

6.2 行人重识别中的小样本问题 /232 

6.2.1 弱监督建模 /232 

6.2.2 无监督建模 /234 

6.2.3 迁移学习建模 /240 

6.3 行人重识别中的开放性建模问题 /242 

6.3.1 遮挡问题 /242 

6.3.2 跨模态问题 /250 

6.3.3 换装问题 /263 

6.3.4 其他问题 /267 

参考文献 /270 

第 7 讲 视频行为识别 

7.1 引言 /284 

7.2 视频行为识别数据集 /285 

7.2.1 通用行为识别数据集 /286 

7.2.2 骨架行为识别数据集 /287 

7.2.3 群体行为识别数据集 /288 

7.2.4 时域行为定位数据集 /288 

7.2.5 时空行为定位数据集 /289 

7.2.6 音视频行为定位数据集 /290 

7.3 视频行为分类 /291 

7.3.1 基于手工特征的视频行为分类方法概述 /291 

7.3.2 基于深度学习的视频行为分类方法概述 /295 

7.3.3 常用方法 /296 

7.4 行为定位 /302 

7.4.1 时域行为定位 /302 

7.4.2 时空行为定位 /311 

7.5 骨架行为识别 /316 

7.5.1 早期骨架行为识别方法 /317 

7.5.2 基于深度学习的骨架行为识别 /317 

7.5.3 总结与展望 /325 

7.6 多模态行为识别 /326 

7.6.1 基于文本的视频定位 /326 

7.6.2 音视频行为识别 /330 

7.7 交互及组群行为识别 /337 

7.7.1 交互行为识别 /337 

7.7.2 组群行为识别 /343 

7.7.3 群体行为识别的未来研究趋势 /349 

参考文献 /350 

第 8 讲 视觉与语言 

8.1 视觉与语言的定义 /376 

8.1.1 背景与意义 /376 

8.1.2 典型任务与方法 /379 

8.2 视觉语言的典型框架 /383 

8.2.1 传统方法 /383 

8.2.2 预训练方法 /385 

8.2.3 其他方面 /386 

8.3 视觉语言的语义关联与建模 /388 

8.3.1 注意力机制建模 /390 

8.3.2 图结构建模 /391 

8.3.3 生成式建模 /392

8.3.4 其他建模 /393 

8.4 视觉语言的预训练技术 /396 

8.4.1 单模态主干网络 /397 

8.4.2 视觉与语言架构 /399 

8.4.3 预训练任务与下游任务 /401 

8.4.4 预训练数据集 /405 

8.5 视觉语言发展趋势与展望 /407 

参考文献 /409 

第 9 讲 图像的三维重建 

9.1 背景介绍 /426  

9.2 传统三维重建方法回顾 /427 

9.2.1 经典多视点几何三维重建 /427 

9.2.2 经典光度立体三维重建 /428 

9.2.3 常见数据采集设备 /429 

9.3 深度学习对基于不同形状表达的三维重建 /431 

9.3.1 基于体素的显式三维表达 /431 

9.3.2 基于多边形网格的显式三维表达 /437 

9.3.3 基于隐式辐射场的三维表达 /443 

9.4 三维重建与三维生成 /450 

9.4.1 基于扩散生成大模型分数蒸馏的三维生成 /451 

9.4.2 基于预训练三维重建模型和扩散生成模型的三维生成 /452 

参考文献 /454 

第 10 讲 SLAM 

10.1 基础知识 /464 

10.1.1 相机模型 /464 

10.1.2 多视图几何原理 /467 

10.2 SLAM 的分类 /472 

10.2.1 基于滤波的 SLAM /472 

10.2.2 基于优化的 SLAM /474 

10.2.3 基于深度学习的 SLAM /476 

10.3 视觉 SLAM /478 

10.3.1 初始化 /479 

10.3.2 前台实时跟踪 /480 

10.3.3 后端优化 /482 

10.3.4 重定位 /483 

10.3.5 回路闭合 /485 

10.4 视觉惯性 SLAM /486 

10.4.1 IMU 模型 /487 

10.4.2 前端模块 /489 

10.4.3 后端模块 /491 

10.5 融合深度信息的 SLAM /492 

10.5.1 RGBD SLAM /493 

10.5.2 激光视觉惯性 SLAM /502 

10.6 SLAM 发展趋势与展望 /508 

参考文献 /509

计算机视觉是人工智能的重要分支，其研究是计算机系统智能化的第一步，也是实现人工智能的桥梁。本书面向计算机视觉，聚焦前沿算法理论，分别讲述了图像分类、检测、生成、视频处理等计算机视觉领域的研究重点，也对计算机视觉的基本概念和计算机视觉研究的预备知识进行了简要介绍，帮助读者在构建完整的计算机视觉知识框架的同时，打下较为坚实的基础，为进一步在计算机视觉和相关领域提出新设想、开发新算法、解决新问题创造良好的条件。本书可作为人工智能专业和计算机类相关专业的低年级研究生学习计算机视觉的参考书，也可作为从事计算机视觉技术研究工作的科研人员的自学用书。