路边视频数据分析 - 中国高校教材图书网
|
书名: |
路边视频数据分析
|
ISBN: | 978-7-305-21247-5 |
条码: | |
作者: |
布里杰什?维尔马,张立刚,大卫?斯托克韦尔
相关图书
|
装订: | 0 |
印次: | 1-1 |
开本: | 小16开 |
定价: |
¥85.00
折扣价:¥76.50
折扣:0.90
节省了8.5元
|
字数: |
215千字
|
出版社: |
南京大学出版社 |
页数: |
192页
|
发行编号: | |
每包册数: |
50
|
出版日期: |
2020-11-30 |
|
内容简介: |
路边是一块特殊的区域,在农业、林业、运输业、能源和通讯、国家安全和环境保护部门等很多领域中具有重要的意义。如果能获取路边环境的精确信息,会有助于很多现实应用的建设,比如高效路边管理、植被增长条件监测和道路危险评估。深度神经网络学习在机器学习和数据挖掘领域正变得越来越流行。本书介绍了新的场景分析构架,利用深度学习来解决路边视频数据的切分和分析,重点探讨了路边视频数据分析的方法和应用,描述了多种系统构架和方法论,这些构架和方法论建立在专门为路边视频数据处理而设计的不同种类的学习算法之上,包括切分、特征提取和分类的具体设计。本书还演示了路边火灾风险测量上的应用路边视频分析案例。
|
作者简介: |
作者:布里杰什?维尔马,中央昆士兰大学智能系统中心教授,研究兴趣为计算智能和模式识别。张立刚,中央昆士兰大学研究员,研究兴趣为图像分割与识别、情感计算和机器学习。大卫?斯托克韦尔,中央昆士兰大学研究员,研究兴趣为机器学习。译者:朱丹浩,南京大学计算机科学博士,江苏警官学院教师,教授数据结构、公共安全人工智能导论等课程,研究兴趣为深度学习、知识挖掘和语义理解,已在SCI、SSCI等期刊发表十多篇论文。申小虎,大连海事大学信息科学在读博士,江苏警官学院教师,研究方向为场景识别、图像切分、车辆违章监测和神经网络。王瑜,河海大学硕士,任职于南京银行,研究兴趣为信息系统与人工智能。
|
章节目录: |
章导论 1.1背景 1.2搜集路边数据 1.2.1工业数据 1.2.2测试数据 1.3基于路边数据的应用 1.4本书内容安排 参考文献 第二章路边数据分析框架 2.1概述 2.2方法 2.2.1路边数据的预处理 2.2.2将路边数据切分为对象 2.2.3对象特征提取 2.2.4路边对象分类 2.2.5路边对象分类应用 2.3相关工作 2.3.1植被切分和分类 2.3.2通用对象切分和分类 2.4数据处理的Matlab代码 参考文献 第三章路边数据分析——非深度学习技术 3.1神经网络学习 3.1.1简介 3.1.2神经网络学习方法 3.1.3实验结果 3.1-4总结 3.2支持向量机学习 3.2.1简介 3.2.2SVM学习方法 3.2.3实验结果 3.2.4总结 3.3聚类学习 3.3.1简介 3.3.2聚类学习法 3.3.3实验结果 3.3.4总结 3.4模糊C一均值学习 3.4.1简介 3.4.2模糊C一均值学习方法 3.4.3实验结果 3.4.4总结 3.5集成学习 3.5.1简介 3.5.2集成学习方法 3.5.3实验结果 3.5.4总结 3.6基于多数投票法的混合学习 3.6.1简介 3.6.2多数投票法 3.6.3实验结果 3.总结 3.7区域合并学习 3.7.1简介 3.7.2区域合并法 3.7.3方法的组件 3.7.4实验结果 3.7.5总结 参考文献 第四章路边数据分析的深度学习技术 4.1简介 4.2相关工作 4.3自动与手动特征提取 4.3.1简介 4.3.2比较框架 4.3.3实验结果 4.3.4总结 4.4单一架构VS集成架构 4.4.1简介 4.4.2比较框架 4.4.3实验结果 4.4.4总结 4.5深度学习网络 4.5.1简介 4.5.2深度学习网络 4.5.3实验结果 4.5.4讨论 4.5.5总结 参考文献 第五章案例分析:火灾风险评估中的路边数据分析 5.1导论 5.2相关工作 5.3提出的VOCGP算法 5.3.1问题定义和动机 5.3.2方法概览 5.3.3草区域分割 5.3.4基于伽博滤波器投票的主垂直方向检测 5.3.5草像素的垂直方向连通性计算 5.4实验结果 5.4.1路边数据搜集 5.4.2实验设置 5.4.3草生物量估计的性能 5.4.4草密度预测的性能 5.4.5易着火区域识别 5.5讨论 5.6总结 参考文献 第六章总结和展望 6.1对未来研究的建议 6.2新的挑战 6.3新的机会和应用
|
精彩片段: |
|
书 评: |
|
其 它: |
|
|
|