Рой Дэвис , Мэтью Терк - Компьютерное зрение. Современные методы и перспективы развития
Название: | Компьютерное зрение. Современные методы и перспективы развития | |
Автор: | Рой Дэвис , Мэтью Терк | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | неизвестно | |
Издательство: | ДМК Пресс | |
Год издания: | 2022 | |
ISBN: | 978-5-93700-148-1 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Компьютерное зрение. Современные методы и перспективы развития"
Эта книга рассказывает о передовых методах компьютерного зрения. Показано, как искусственный интеллект обнаруживает признаки и объекты, на каких данных он обучается, на чем основано распознавание лиц и действий, отслеживание аномалий. Особое внимание уделяется методам глубокого обучения. Все ключевые принципы проиллюстрированы примерами из реальной практики. Книга адресована исследователям и практикам в области передовых методов компьютерного зрения, а также тем, кто изучает эту технологию самостоятельно или в рамках вузовского курса.
Читаем онлайн "Компьютерное зрение. Современные методы и перспективы развития". [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (339) »
2.7.1. Каскадная архитектура R-CNN. ................................................................150
2.7.2. Каскадная регрессия ограничивающей рамки.......................................151
2.7.3. Каскадное обнаружение.............................................................................152
2.8. Представление разномасштабных признаков..............................................152
2.8.1. Архитектура МС-CNN.................................................................................154
2.8.1.1. Архитектура.........................................................................................154
2.8.2. Сеть FPN.......................................................................................................155
2.8.2.1. Архитектура.........................................................................................156
2.9. Архитектура YOLO.............................................................................................158
2.10. Сеть SSD.............................................................................................................159
2.10.1. Архитектура...............................................................................................159
2.10.2. Обучение....................................................................................................160
2.11. RetinaNet. ..........................................................................................................161
2.11.1. Фокальная потеря.....................................................................................161
2.12. Производительность детекторов объектов..................................................162
2.13. Заключение.......................................................................................................163
Литературные источники........................................................................................164
Об авторах главы.......................................................................................................165
Глава 3. Обучение с ограниченным подкреплением –
статические и динамические задачи.......................................................167
3.1. Введение..............................................................................................................168
3.2. Контекстно-зависимое активное обучение...................................................168
3.2.1. Активное обучение.....................................................................................169
3.2.2. Важность контекста активного обучения...............................................172
3.2.3. Фреймворк контекстно-зависимого активного обучения...................174
3.2.4. Практическое применение. ......................................................................177
3.3. Локализация событий при слабой разметке. ................................................180
3.3.1. Архитектура сети........................................................................................183
3.3.2. k-max множественное обучение. .............................................................183
3.3.3. Сходство совместных действий................................................................184
3.3.4. Практическая реализация.........................................................................186
3.4. Семантическая сегментация с использованием слабой разметки............189
3.4.1. Слабые метки для классификации категорий. ......................................191
3.4.2. Слабые метки для выравнивания признаков. .......................................192
3.4.3. Оптимизация сети......................................................................................194
3.4.4. Получение слабой разметки.....................................................................195
3.4.5. Применения. ...............................................................................................196
3.4.6. Визуализация выходного пространства. ................................................198
Содержание 9
3.5. Обучение с подкреплением со слабой разметкой для динамических
задач. ..........................................................................................................................199
3.5.1. Обучение прогнозированию подцелей...................................................202
3.5.2. Предварительное обучение с учителем..................................................204
3.5.3. Практическое применение. ......................................................................204
3.6. Выводы. ...............................................................................................................207
Благодарности...........................................................................................................209
Литературные источники........................................................................................209
Об авторах главы.......................................................................................................215
Глава 4. Эффективные методы глубокого обучения. ......................216
4.1. Сжатие модели. ..................................................................................................216
4.1.1. Прореживание параметров.......................................................................217
4.1.2. Низкоранговая факторизация..................................................................220
4.1.3. Квантование................................................................................................221
4.1.4. Дистилляция знаний..................................................................................225
4.1.5. Автоматическое сжатие модели...............................................................226
4.2. Эффективные архитектуры нейронных сетей..............................................230
4.2.1. Стандартный сверточный слой................................................................231
4.2.2. Эффективные сверточные слои. ..............................................................231
4.2.3. Разработанные вручную эффективные модели CNN. ..........................232
4.2.4. Поиск нейронной архитектуры................................................................236
4.2.5. Поиск нейронной --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (339) »
Книги схожие с «Компьютерное зрение. Современные методы и перспективы развития» по жанру, серии, автору или названию:
Гэбриел Крейман - Биологическое и компьютерное зрение Жанр: Искусственный интеллект Год издания: 2022 |
Анирад Коул, Сиддха Ганджу, Мехер Казам - Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Валентина Ивановна Назарова - Современные теплицы и парники Жанр: Сад и огород Год издания: 2011 |