123,123,123

內(nèi)容簡(jiǎn)介

　　本書密切跟蹤國(guó)際前沿研究主流的發(fā)展趨勢(shì)，探析了顯著區(qū)域提取的研究方向、顯著區(qū)域的提取方法及其應(yīng)用，以顯著性檢測(cè)的關(guān)鍵因素為導(dǎo)向，以論述基礎(chǔ)概念、研究相關(guān)算法、提出可行模型為主線，構(gòu)建了面向社群圖像的顯著性數(shù)據(jù)集，提出了顯著區(qū)域提取模型，并利用顯著性檢測(cè)技術(shù)有效地解決了對(duì)象類圖像庫(kù)的分類問題。本書可作為高等院校和科研機(jī)構(gòu)計(jì)算機(jī)科學(xué)與技術(shù)相關(guān)專業(yè)本科生和研究生的教學(xué)參考書，也可以作為計(jì)算機(jī)視覺領(lǐng)域技術(shù)人員的參考書。

作者簡(jiǎn)介

　　梁曄，2004.7-至今，一直在北京聯(lián)合大學(xué)（北京市信息服務(wù)工程重點(diǎn)實(shí)驗(yàn)室）從事圖像處理方面的教學(xué)和研究工作，發(fā)表過多部相關(guān)著作和教材。承擔(dān)了多項(xiàng)省部級(jí)相關(guān)課題，如國(guó)家自然科學(xué)基金項(xiàng)目“無人車多視視頻信息獲取與定位關(guān)鍵技術(shù)”（項(xiàng)目編號(hào)：61871038）等。

圖書目錄

目錄
第1章緒論\t1
1．1 研究背景和意義\t1
1．2 研究現(xiàn)狀\t6
1．2．1 顯著區(qū)域提取方法的研究現(xiàn)狀及分析\t6
1．2．2　顯著性數(shù)據(jù)集的研究現(xiàn)狀及分析\t12
1．3　本書的主要研究?jī)?nèi)容\t18
1．4 本書的內(nèi)容安排\t19
第2章　面向社交媒體圖像的顯著性數(shù)據(jù)集\t21
2．1　引言\t21
2．2　數(shù)據(jù)集的圖像篩選原則與性能評(píng)測(cè)方法\t22
2．2．1　圖像篩選原則\t22
2．2．2　數(shù)據(jù)集的性能評(píng)測(cè)方法\t25
2．3　面向社交媒體圖像的顯著性數(shù)據(jù)集的構(gòu)建\t30
2．3．1　圖像來源\t30
2．3．2　圖像標(biāo)注\t31
2．3．3　圖像篩選\t32
2．3．4　數(shù)據(jù)集的統(tǒng)計(jì)分析與性能評(píng)測(cè)\t32
2．3．5　數(shù)據(jù)集的典型圖像\t36
2．3．6　數(shù)據(jù)集的標(biāo)簽信息統(tǒng)計(jì)\t38
2．4　本章小結(jié)\t38
第3章基于標(biāo)簽上下文的顯著區(qū)域提取方法\t40
3．1 引言\t40
3．2 顯著區(qū)域提取流程\t41
3．3 顯著區(qū)域提取方法建模\t43
3．3．1 條件隨機(jī)場(chǎng)模型介紹\t43
3．3．2 提取方法的模型描述\t43
3．4 基于圖像外觀的顯著性計(jì)算\t45
3．4．1 多尺度的區(qū)域分割\t45
3．4．2 顯著性計(jì)算\t46
3．4．3 空間一致性優(yōu)化\t47
3．4．4 多尺度顯著圖融合\t48
3．5 標(biāo)簽語(yǔ)義特征計(jì)算\t48
3．6 實(shí)驗(yàn)\t50
3．6．1 實(shí)驗(yàn)設(shè)置\t50
3．6．2 評(píng)價(jià)指標(biāo)\t52
3．6．3 標(biāo)簽有效性的驗(yàn)證實(shí)驗(yàn)\t53
3．6．4 與流行方法的比較\t56
3．7 本章小結(jié)\t61
第4章基于多特征的顯著區(qū)域提取方法\t62
4．1 引言\t62
4．1．1 圖像特征的獲取方法\t62
4．1．2 卷積神經(jīng)網(wǎng)絡(luò)\t63
4．1．3 基于層次結(jié)構(gòu)的顯著區(qū)域提取方法\t65
4．2 基于多特征的顯著區(qū)域提取方法流程\t66
4．3 基于深度學(xué)習(xí)特征的顯著區(qū)域提取\t67
4．3．1 基于CNN特征的顯著性計(jì)算\t67
4．3．2 標(biāo)簽語(yǔ)義特征計(jì)算\t71
4．3．3 顯著圖和標(biāo)簽語(yǔ)義圖的融合\t72
4．4 基于人工設(shè)計(jì)特征的顯著區(qū)域提取\t72
4．5 圖像依賴的顯著圖動(dòng)態(tài)融合\t74
4．5．1 方法思想\t74
4．5．2 訓(xùn)練階段\t76
4．5．3 測(cè)試階段\t76
4．5．4 基于投票機(jī)制的顯著圖融合\t77
4．6 空間一致性優(yōu)化\t79
4．7 實(shí)驗(yàn)\t80
4．7．1 實(shí)驗(yàn)設(shè)置\t80
4．7．2 SID數(shù)據(jù)集上的實(shí)驗(yàn)\t82
4．7．3 流行數(shù)據(jù)集上的實(shí)驗(yàn)\t89
4．7．4 基于深度學(xué)習(xí)特征提取方法和基于人工設(shè)計(jì)特征提取方法的比較\t91
4．8 本章小結(jié)\t92
第5章顯著性在圖像分類中的應(yīng)用\t93
5．1 基于顯著性的圖像分類框架\t93
5．1．1 分析思想的由來\t93
5．1．2 圖像庫(kù)的顯著性分析\t95
5．1．3 分類框架\t96
5．2 特征編碼技術(shù)和特征池化技術(shù)\t97
5．2．1 符號(hào)說明\t97
5．2．2 特征編碼技術(shù)\t98
5．2．3 特征池化技術(shù)\t101
5．3 面向場(chǎng)景類圖像庫(kù)的分類方法\t104
5．3．1 多環(huán)劃分的特征池化區(qū)域選擇方法\t104
5．3．2 多視覺詞硬編碼方法\t107
5．3．3 實(shí)驗(yàn)\t108
5．4 面向?qū)ο箢悎D像庫(kù)的分類方法\t112
5．4．1 基于顯著性和空間局部約束的軟編碼方法\t112
5．4．2 實(shí)驗(yàn)\t114
5．5 本章小結(jié)\t116
第6章總結(jié)與展望\t117
6．1 總結(jié)\t117
6．2 展望\t118
參考文獻(xiàn)\t120