|
关于我们
 新书资讯 新书推荐 |
时空视频数据的无监督学习 国防工业出版社 当当图书 
定 价：138 元
9 7 1 8 3 7 2 1 0 1 8 8 3 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
我要评论
|
