计算机视觉——物体的检测与分割 - 中国高校教材图书网
|
书名： |
计算机视觉——物体的检测与分割
|
| ISBN： | 9787560675268 |
条码： | 5606 |
| 作者： |
张文超
相关图书
|
装订： | |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥45.00
折扣价：￥42.75
折扣：0.95
节省了2.25元
|
字数： |
168千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
170页
|
| 发行编号： | |
每包册数： |
15
|
| 出版日期： |
2025-5-29 |
|
|
| 内容简介： |
本书是一部深入探索计算机视觉领域核心技术的专著。全书共6章，系统地介绍了物体检测与实例分割的相关研究成果，内容包括绪论、深度学习基础、可感知全局上下文的目标检测网络、基于特征增强与关系推理的目标检测网络、面向宏观语义差异的实例分割算法以及联合物体轮廓点和语义的实例分割方法。
本书特色在于将理论与实践相结合，不仅详细阐述了算法原理，还展示了大量详尽的实验，全面介绍了各类算法的实际效果与性能对比。
本书适合计算机视觉、机器学习及人工智能领域的科研人员、工程师及高年级学生阅读，是深入理解并实践物体检测与分割技术的必备参考书。
|
| 作者简介： |
|
|
| 章节目录： |
第1章 绪论 1
1.1计算机视觉简介 1
1.1.1 从生物视觉到计算机视觉 1
1.1.2 计算机视觉理论框架 2
1.1.3 计算机视觉研究方向 6
1.2 检测与分割研究现状 8
1.2.1 传统物体检测算法 15
1.2.2 基于深度学习的物体检测算法 16
1.2.3 基于深度学习的实例分割方法 20
1.3 优化策略与应用场景探索 23
1.3.1 目标检测与实例分割算法难点分析 23
1.3.2 目标检测与实例分割算法优化策略 25
1.3.3 目标检测与实例分割应用场景介绍 27
1.4 本书使用的数据集及评估指标 28
1.4.1 数据集介绍 28
1.4.2 评估指标介绍 29
本章小结 30
参考文献 30
第2章 深度学习基础 45
2.1 卷积神经网络 45
2.1.1 CNN的基本结构 45
2.1.2 卷积层的原理与应用 47
2.1.3 池化层的功能 50
2.1.4 全连接层与分类层 51
2.1.5 典型的CNN架构 52
2.2 优化算法与正则化 55
2.2.1 梯度下降法及其变种 56
2.2.2 正则化技术 60
2.2.3 批量归一化 64
2.2.4 损失函数的选择与设计 66
2.3 深度学习框架与工具 69
2.3.1 TensorFlow与Keras 69
2.3.2 PyTorch 的使用方法 70
2.3.3 MMdetection检测库 71
本章小结 72
参考文献 72
第3章 可感知全局上下文的目标检测网络 74
3.1 引言 74
3.1.1 研究背景 74
3.1.2 研究动机 75
3.1.3 方法概述 77
3.2 可感知全局上下文的特征金字塔网络 77
3.2.1 特征金字塔网络分析 77
3.2.2 跨尺度上下文级联模块 78
3.2.3 全局上下文感知模块 79
3.2.4 特征融合 81
3.3 实验结果与分析 81
3.3.1 实验设置 81
3.3.2 与其他先进方法的对比实验 82
3.3.3 消融分析实验 83
3.3.4 可视化结果分析 89
本章小结 90
参考文献 90
第4章 基于特征增强与关系推理的目标检测网络 93
4.1 引言 93
4.1.1 研究背景 93
4.1.2 研究动机 95
4.1.3 方法概述 96
4.2 具有特征增强和关系推理能力的RoI Head网络 97
4.2.1 网络整体结构 97
4.2.2 增强型全局上下文感知模块 98
4.2.3 空间压缩和通道压缩模块 100
4.2.4 自相关特征增强模块 101
4.2.5 互相关推理模块 102
4.3 实验结果与分析 104
4.3.1 实验设置 104
4.3.2 与其他先进方法的对比实验 105
4.3.3 消融分析实验 107
4.3.4 可视化结果分析 113
本章小结 114
参考文献 115
第5章 面向宏观语义差异的实例分割算法 118
5.1 引言 118
5.1.1 研究背景 118
5.1.2 研究动机 120
5.1.3 方法概述 122
5.2 Asym-In模块和U-Mask检测头网络 123
5.3 G-In模块设计和U-FPN结构 125
5.4 实验结果与分析 127
5.4.1 实验设置 128
5.4.2 与其他先进方法的对比实验 128
5.4.3 消融分析实验 133
5.4.4 可视化结果分析 140
本章小结 142
参考文献 142
第6章 联合物体轮廓点和语义的实例分割方法 147
6.1 引言 147
6.1.1 研究背景 147
6.1.2 研究动机 148
6.1.3 方法概述 149
6.2 Keypoint R-CNN介绍与分析 150
6.3 轮廓关键点提取 151
6.4 多任务联合训练框架 152
6.5 联合损失函数 154
6.6 实验结果与分析 155
6.6.1 实验设置 155
6.6.2 与其他先进方法的对比实验 155
6.6.3 消融分析实验 158
6.6.4 可视化结果分析 162
本章小结 164
参考文献 165
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
