新書推薦：
《
小白理财进阶之道：富爸爸的财富花园+财务自由笔记+有钱人穷的时候都在做什么（共3册）
》
售價：HK$
915
《
谎言的逻辑：洞悉谎言背后真实的心理和人性 专享版
》
售價：HK$
254
《
罗马元老院与人民新版 一部古罗马史 汗青堂丛书022
》
售價：HK$
653
《
陈舜臣近代史三部曲 甲午战争 太平天国兴亡录 走向辛亥
》
售價：HK$
1158
《
希腊精神——一部文明史（二十世纪人文译丛）
》
售價：HK$
398
《
世界文明史（上）
》
售價：HK$
969
《
长沙走马楼西汉简牍 文字编
》
售價：HK$
1980
《
涅瓦河畔的遐思——列宾艺术特展（汉英对照）（国家博物馆“国际交流系列”丛书）
》
售價：HK$
2739
|
| 內容簡介： |
译者序
在机器学习、计算机视觉和机器人研究中，人们对无监督学习的兴趣逐步提高。传统的无监督学习属于机器学习的一种训练方式，常用于数据挖掘、图像识别、视频分割等任务，包括聚类、主成分分析、支持向量机等算法。这些算法大部分基于统计学方法，缺少反馈能力，一旦更换训练数据集，学习效果就会不尽人意；另外，在真实环境下无法提供学习过程中所需要的训练集和测试集比例结构，导致方法的适应性较差。从 1996 年 Bruno 和 David 认为编码理论可应用于视觉皮层感知，形成自动编码器技术开始，到目前深度视觉嵌入学习的最新进展已经开始利用数据分离和聚类等简单而强大的启发式方法迭代地提炼特征，从而更好地捕捉微妙的自然图像统计特征，该领域研究成果在人脸识别、视频分类与聚类、动作识别和视频字幕等任务中得到了广泛应用。本书着重研究基于图技术和深度神经网络的计算机视觉研究领域中的时空视频数据无监督学习技术，涵盖了该领域研究中最先进的理论成果和科学发现。本书用足够清晰和直观的语言，阐述了无监督学习需要遵循的十个原则，并将读者带入目前视频图像处理中备受关注的几个任务（图 / 超图匹配、聚类、运动与外观结合的特征选择、视频对象分割、多代师生网络无监督训练学习等）形成由简单到复杂的解决方案构建场景。按照逻辑循序结合理论与实际需求，递进式地建立各种任务相应的解决方案，形成一系列实用的算法工具，并采用 DAVIS2016、Seg Track v2 以及 YouTube 目标三大数据库中的图像与视频资料进行算法有效性和收敛特性的验证，最终综合全书的研究成果，构建了一个通用的视觉故事网络系统。本书描述了视频图像处理中无监督学习所涉及的所有元素，引领读者去探索无监督学习的原理，系统化地提出了解决无监督学习这一人工智能领域中的难题的思路和方法。本书深入浅出、图文并茂、概念清楚、通俗易懂，可以让计算机视觉和机器学习、图像处理、图像分割、电子科学与技术、信息工程、自动化、生物工程等领域的学生、科技工作者以及工程技术人员从学习基本原则开始，了解针对不同任务构建的模型和计算方案，最终得到统一的无监督学习技术的全貌。本书的出版得到装备科技译著出版基金的资助，出版过程中也得到了国防工业出版社肖姝编辑的大力支持和协助，深表感谢。另外，西安卫星测控中心的郭荣、李卫平、许静文、林海晨、李智对本书的翻译工作给予了大力支持，在此也对他们的无私帮助表示感谢。由于译者水平有限，译文中一定会有许多不足存在，难以保持原作的风姿达到 “化境”，只能尽量做到译文正确、风格一致，不妥之处，请批评指正。
译者2025 年 1 月
|
| 目錄：
|
目录
第 1 章 无监督视觉学习：从像素到 “所见”
1.1 “所见” 内涵
1.2 无监督视觉学习的内涵
1.3 时空视觉学习
1.3.1 无监督学习的发展趋势
1.3.2 无监督视觉学习与格式塔心理学的关系
1.4 无监督学习的原则
1.4.1 背景中的目标
1.4.2 高概率正向特征学习
1.5 图匹配的无监督学习
1.5.1 图匹配问题公式化
1.5.2 光谱图匹配
1.5.3 图匹配的整数投影固定点算法
1.5.4 图匹配学习
1.5.5 图匹配的监督学习
1.5.6 图匹配的无监督学习
1.6 满足分类器学习的无监督聚类算法
1.6.1 图形聚类的整数投影固定点算法
1.6.2 作为图聚类问题的特征选择
1.7 视频对象分割的无监督学习
1.8 时空图
1.8.1 优化算法
1.8.2 多代师生的无监督分割学习
1.8.3 小结
1.9 后续章节安排
参考文献
第 2 章 无监督学习的图匹配和超图匹配
2.1 引言
2.2 图匹配
2.3 超图匹配
2.4 图匹配求解
2.4.1 光谱匹配
2.4.2 整数投影固定点算法
2.5 理论分析
2.6 超图匹配求解
2.7 图匹配学习
2.7.1 理论分析
2.7.2 图匹配的监督学习
2.7.3 图匹配的无监督和半监督学习
2.7.4 成对条件随机场学习
2.8 超图匹配学习
2.9 图匹配实验
2.9.1 无标签对应学习
2.9.2 不同图匹配算法的学习
2.9.3 条件随机场实验
2.10 超图匹配实验
2.10.1 合成数据
2.10.2 真实图像实验
2.10.3 匹配人像
2.10.4 有监督学习和无监督学习的比较
2.11 结论与未来工作
参考文献
第 3 章 图与超图聚类的无监督学习
3.1 引言
3.2 问题描述
3.3 用于超图聚类的整数投影固定点算法
3.4 算法理论分析与计算复杂度
3.5 图和超图聚类学习
3.6 三阶超图聚类实验
3.6.1 线性聚类
3.6.2 仿射不变点匹配
3.7 结论与未来工作
参考文献
第 4 章 符合无监督学习的特征选择
4.1 引言
4.1.1 无监督特征选择与无监督学习原则的关系
4.1.2 特征标记的意义
4.2 数学表述
4.2.1 监督学习
4.2.2 无监督学习的特征标记
4.2.3 客观事实
4.3 通过整数投影固定点聚类进行特征选择和学习
4.4 实验分析
4.4.1 比较实验
4.4.2 与支持向量机算法的其他比较
4.5 有限训练数据的影响
4.5.1 根据有限数据估算特征符号
4.5.2 改变无监督数据量
4.6 所选特征的直观感受
4.7 结论与未来工作
参考文献
第 5 章 面向高概率正向特征视频对象分割的无监督学习
5.1 从简单视频特征提取到无监督视频分割
5.2 一种无监督图像分割的简单方法
5.3 无监督的视频背景抽取
5.4 利用高概率正向特征进行无监督视频分割
5.4.1 利用高概率正向特征进行学习
5.4.2 描述符学习
5.4.3 外观与运动的结合
5.5 实验分析
5.5.1 YouTube 目标数据集的测试
5.5.2 SegTrack v2 数据集的测试
5.5.3 计算时间
5.6 结论与未来工作
参考文献
第 6 章 外观和运动的耦合：对象分割的无监督聚类算法
6.1 引言
6.1.1 本章算法与无监督学习原则的关系
6.1.2 科学背景
6.2 光谱分割算法
6.2.1 构建时空图
6.2.2 分割光谱聚类
6.2.3 利用幂迭代算法优化
6.3 理论性质
6.3.1 收敛分析
6.3.2 特征 - 运动矩阵
6.4 实验分析
6.4.1 初始化分割的作用
6.4.2 节点特征的作用
6.4.3 光流链的作用
6.4.4 复杂性分析与计算成本
6.4.5 结果分析
6.5 结论与未来工作
参考文献
第 7 章 时空中的多代师生网络无监督学习
7.1 引言
7.2 科学背景
7.3 多代师生学习
7.4 师生系统架构
7.4.1 学生分支：单图像分割
7.4.2 老师分支：无监督目标发现
7.4.3 无监督软掩码选择
7.4.4 实施步骤
7.5 实验分析
7.5.1 消融研究
7.5.2 前景分割测试
7.5.3 迁移学习测试
7.5.4 实验总结
7.6 关于无监督学习的总结性讨论
7.7 结论与未来工作
参考文献
第 8 章 面向未来的无监督学习
8.1 引言
8.2 时空中的递归图神经网络
8.2.1 科学背景
8.2.2 递归时空图模型
8.2.3 运动和形状的学习模式实验
8.2.4 学习复杂的人与对象交互关系实验
8.3 整合
8.3.1 几何层面的一致性
8.3.2 语义层面的一致性
8.3.3 作为高概率正向特征的一致性原则
8.3.4 高概率正向特征的运动模式
8.3.5 多代师生学习
8.3.6 构建视觉故事网络模块
8.4 视觉故事图神经网络的开端
8.4.1 分类器间高度的相互关联性
8.4.2 原则 8 与自适应共振理论的关系
8.4.3 多层解读：深度、运动和意义
8.4.4 故事中的局部对象及其全局作用
8.4.5 视觉故事网络中的无监督学习
8.4.6 多代学习进化
8.4.7 学习新类型
8.5 面向语言的视觉故事
8.5.1 从语言中学习
8.5.2 出其不意的无监督学习
8.5.3 发现自我
8.5.4 明日之梦
参考文献
编辑分享
目录的字体格式可以设置为宋体、黑体或楷体吗？
怎么把目录自动生成到图书的每一章开头？
如何将目录转换为不同的文档格式，如Word或PDF？
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
