路邊視頻數(shù)據(jù)分析：深度學(xué)習(xí)

定　價(jià)：￥85.00

作　者：	[澳] 布里杰什·維爾馬，張立剛，[澳] 大衛(wèi)·斯托克韋爾著，朱丹浩，申小虎，王瑜譯
出版社：	南京大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥76.00)

ISBN：	9787305212475	出版時(shí)間：	2020-11-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	180	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書重點(diǎn)介紹了路邊視頻數(shù)據(jù)分析的方法和應(yīng)用，包括基于不同類型學(xué)習(xí)算法的路邊視頻數(shù)據(jù)處理的各種系統(tǒng)結(jié)構(gòu)和方法，并對(duì)分割、特征提取和分類進(jìn)行了詳細(xì)的分析。使用深度學(xué)習(xí)解決路邊視頻數(shù)據(jù)分割和分類問題是本書的主要亮點(diǎn)之一。深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)已成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的熱門研究課題。然而，在享受深度學(xué)習(xí)方法無須手工特征的優(yōu)勢(shì)時(shí)，必須對(duì)準(zhǔn)確性和魯棒性進(jìn)行平衡，并且大多數(shù)真實(shí)世界的學(xué)習(xí)系統(tǒng)仍需要一些手工的特征工程和架構(gòu)。本書通過對(duì)不同類型的特征和體系進(jìn)行實(shí)證測(cè)試，實(shí)現(xiàn)在現(xiàn)實(shí)世界的場(chǎng)景中分析多層神經(jīng)網(wǎng)絡(luò)的性能。然后，我們介紹了新的用于場(chǎng)景分類的架構(gòu)，此架構(gòu)與先前的方法相比具有相同或更好的精度。接著我們研究了卷積神經(jīng)網(wǎng)絡(luò)的特征工程。

作者簡(jiǎn)介

　　布里杰什·維爾馬（Brijesh Verma），澳大利亞中央昆士蘭大學(xué)教授，智能系統(tǒng)中心主任。曾任6家國(guó)際期刊的編委。主要研究方向包括計(jì)算智能和模式識(shí)別。

圖書目錄

第一章導(dǎo)論
1.1 背景
1.2 搜集路邊視頻數(shù)據(jù)
1.2.1 工業(yè)數(shù)據(jù)
1.2.2 測(cè)試數(shù)據(jù)
1.3 基于路邊視頻數(shù)據(jù)的應(yīng)用
1.4 本書內(nèi)容安排
參考文獻(xiàn)
第二章路邊視頻數(shù)據(jù)分析框架
2.1 概述
2.2 方法
2.2.1 路邊視頻數(shù)據(jù)的預(yù)處理
2.2.2 將路邊視頻數(shù)據(jù)切分為對(duì)象
2.2.3 對(duì)象特征提取
2.2.4 路邊對(duì)象分類
2.2.5 路邊對(duì)象分類應(yīng)用
2.3 相關(guān)工作
2.3.1 植被切分和分類
2.3.2 通用對(duì)象切分和分類
2.4 數(shù)據(jù)處理的Matlab代碼
參考文獻(xiàn)
第三章路邊視頻數(shù)據(jù)分析——非深度學(xué)習(xí)技術(shù)
3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
3.1.1 簡(jiǎn)介
3.1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
3.1.3 實(shí)驗(yàn)結(jié)果
3.1 -4 總結(jié)
3.2 支持向量機(jī)學(xué)習(xí)
3.2.1 簡(jiǎn)介
3.2.2 SVM學(xué)習(xí)方法
3.2.3 實(shí)驗(yàn)結(jié)果
3.2.4 總結(jié)
3.3 聚類學(xué)習(xí)
3.3.1 簡(jiǎn)介
3.3.2 聚類學(xué)習(xí)法
3.3.3 實(shí)驗(yàn)結(jié)果
3.3.4 總結(jié)
3.4 模糊C一均值學(xué)習(xí)
3.4.1 簡(jiǎn)介
3.4.2 模糊C一均值學(xué)習(xí)方法
3.4.3 實(shí)驗(yàn)結(jié)果
3.4.4 總結(jié)
3.5 集成學(xué)習(xí)
3.5.1 簡(jiǎn)介
3.5.2 集成學(xué)習(xí)方法
3.5.3 實(shí)驗(yàn)結(jié)果
3.5.4 總結(jié)
3.6 基于多數(shù)投票法的混合學(xué)習(xí)
3.6.1 簡(jiǎn)介
3.6.2 多數(shù)投票法
3.6.3 實(shí)驗(yàn)結(jié)果
3.6.4 總結(jié)
3.7 區(qū)域合并學(xué)習(xí)
3.7.1 簡(jiǎn)介
3.7.2 區(qū)域合并法
3.7.3 方法的組件
3.7.4 實(shí)驗(yàn)結(jié)果
3.7.5 總結(jié)
參考文獻(xiàn)
第四章路邊視頻數(shù)據(jù)分析的深度學(xué)習(xí)技術(shù)
4.1 簡(jiǎn)介
4.2 相關(guān)工作
4.3 自動(dòng)與手動(dòng)特征提取
4.3.1 簡(jiǎn)介
4.3.2 比較框架
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 總結(jié)
4.4 單一架構(gòu)VS集成架構(gòu)
4.4.1 簡(jiǎn)介
4.4.2 比較框架
4.4.3 實(shí)驗(yàn)結(jié)果
4.4.4 總結(jié)
4.5 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.1 簡(jiǎn)介
4.5.2 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.3 實(shí)驗(yàn)結(jié)果
4.5.4 討論
4.5.5 總結(jié)
參考文獻(xiàn)
第五章案例分析：火災(zāi)風(fēng)險(xiǎn)評(píng)估中的路邊視頻數(shù)據(jù)分析
5.1 導(dǎo)論
5.2 相關(guān)工作
5.3 提出的VOCGP算法
5.3.1 問題定義和動(dòng)機(jī)
5.3.2 方法概覽
5.3.3 草區(qū)域分割
5.3.4 基于伽博濾波器投票的主垂直方向檢測(cè)
5.3.5 草像素的垂直方向連通性計(jì)算
5.4 實(shí)驗(yàn)結(jié)果
5.4.1 路邊數(shù)據(jù)搜集
5.4.2 實(shí)驗(yàn)設(shè)置
5.4.3 草生物量估計(jì)的性能
5.4.4 草密度預(yù)測(cè)的性能
5.4.5 易著火區(qū)域識(shí)別
5.5 討論
5.6 總結(jié)
參考文獻(xiàn)
第六章總結(jié)和展望
6.1 對(duì)未來研究的建議
6.2 新的挑戰(zhàn)
6.3 新的機(jī)會(huì)和應(yīng)用