深度學(xué)習(xí)視頻理解

定　價(jià)：￥128.00

作　者：	張皓著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787121419805	出版時(shí)間：	2021-10-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　視頻理解是計(jì)算機(jī)視覺和深度學(xué)習(xí)的一個(gè)重要分支。本書對(duì)視頻理解的3個(gè)重要領(lǐng)域進(jìn)行介紹，對(duì)于每個(gè)領(lǐng)域，本書不僅解釋了相關(guān)算法的原理，還梳理了算法演進(jìn)的脈絡(luò)。全書共分6章，第1章簡(jiǎn)要介紹視頻行業(yè)的發(fā)展歷程；第2章回顧經(jīng)典圖像分類模型和RNN；第3章和第4章介紹動(dòng)作識(shí)別的重要算法；第5章介紹時(shí)序動(dòng)作定位的重要算法；第6章介紹視頻Embedding的重要算法。最后總結(jié)了常用的一些視頻處理工具。本書既適合高等院校人工智能相關(guān)專業(yè)的本科生和研究生閱讀，也可供視頻理解、推薦系統(tǒng)、搜索引擎和計(jì)算廣告等領(lǐng)域的研究人員和從業(yè)者參考。

作者簡(jiǎn)介

　　張皓，畢業(yè)于南京大學(xué)計(jì)算機(jī)系周志華教授領(lǐng)導(dǎo)的機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA），導(dǎo)師為吳建鑫教授，研究方向?yàn)樯疃葘W(xué)習(xí)和計(jì)算機(jī)視覺，曾獲國(guó)家獎(jiǎng)學(xué)金、江蘇省三好學(xué)生等榮譽(yù)。發(fā)表論文累計(jì)被引超過 190 次，合譯《模式識(shí)別》一書，曾獲 2016 年ECCV視頻表象性格分析競(jìng)賽世界冠軍。現(xiàn)任騰訊在線視頻研究員，專注于騰訊視頻等場(chǎng)景下的相關(guān)視頻理解任務(wù)。曾任騰訊優(yōu)圖實(shí)驗(yàn)室研究員，為“微信看一看”等場(chǎng)景提供相關(guān)視頻理解能力。知乎號(hào)“張皓”，擔(dān)任多個(gè)自媒體作者或?qū)谧髡摺?/div>

圖書目錄

第1章緒論 1
1.1 引言 1
1.2 本書內(nèi)容 5
1.3 本章小結(jié) 15
第2章經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)回顧 16
2.1 經(jīng)典圖像分類網(wǎng)絡(luò) 16
2.1.1 LetNet-5 16
2.1.2 AlexNet 18
2.1.3 VGGNet 22
2.1.4 GoogLeNet 24
2.1.5 Inception V2/V3 27
2.1.6 ResNet 28
2.1.7 preResNet 31
2.1.8 WRN 32
2.1.9 隨機(jī)深度網(wǎng)絡(luò) 33
2.1.10 DenseNet 35
2.1.11 ResNeXt 36
2.1.12 SENet 39
2.1.13 MobileNet 41
2.1.14 MobileNet V2/V3 44
2.1.15 ShuffleNet 46
2.1.16 ShuffleNet V2 49
2.2 RNN、LSTM和GRU 51
第3章基于2D卷積的動(dòng)作識(shí)別 62
3.1 平均匯合 62
3.2 NetVLAD和NeXtVLAD 64
3.3 利用RNN融合各幀特征 77
3.4 利用3D卷積融合各幀特征 81
3.5 雙流法 87
3.6 時(shí)序稀疏采樣 95
3.7 利用iDT軌跡 104
第4章基于3D卷積的動(dòng)作識(shí)別 110
4.1 3D卷積基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu) 110
4.2 I3D 118
4.4 TSM 135
4.5 3D卷積 + RNN 137
4.6 ARTNet 139
4.7 Non-Local 141
4.8 SlowFast 148
4.9 3D卷積神經(jīng)網(wǎng)絡(luò)超參數(shù)設(shè)計(jì) 152
第5章時(shí)序動(dòng)作定位 159
5.1 基于滑動(dòng)窗的算法 160
5.2 基于候選時(shí)序區(qū)間的算法 171
5.3 自底向上的時(shí)序動(dòng)作定位算法 183
5.4 對(duì)時(shí)序結(jié)構(gòu)信息建模的算法 197
5.5 逐幀預(yù)測(cè)的算法 202
5.6 單階段算法 208
第6章視頻Embedding 219
6.1 基于視頻內(nèi)容的無監(jiān)督 Embedding 220
6.2 Word2Vec 229
6.2.1 CBOW和Skip-Gram 229
6.2.2 分層 Softmax 234
6.2.3 負(fù)采樣 239
6.3 Item2Vec 247
6.3.1 Item2Vec 基本形式 247
6.3.2 Item2Vec的改進(jìn) 249
6.4 基于圖的隨機(jī)游走 252
6.5 結(jié)合一二階相似度 257
6.6 基于圖的鄰居結(jié)點(diǎn) 265
6.7 基于多種信息學(xué)習(xí)視頻Embedding 274
附錄A 視頻處理常用工具 281
參考文獻(xiàn) 296