路邊視頻數(shù)據(jù)分析：深度學(xué)習(xí)

第一章 導(dǎo)論
1.1 背景
1.2 搜集路邊視頻數(shù)據(jù)
1.2.1 工業(yè)數(shù)據(jù)
1.2.2 測(cè)試數(shù)據(jù)
1.3 基于路邊視頻數(shù)據(jù)的應(yīng)用
1.4 本書內(nèi)容安排
參考文獻(xiàn)
第二章 路邊視頻數(shù)據(jù)分析框架
2.1 概述
2.2 方法
2.2.1 路邊視頻數(shù)據(jù)的預(yù)處理
2.2.2 將路邊視頻數(shù)據(jù)切分為對(duì)象
2.2.3 對(duì)象特征提取
2.2.4 路邊對(duì)象分類
2.2.5 路邊對(duì)象分類應(yīng)用
2.3 相關(guān)工作
2.3.1 植被切分和分類
2.3.2 通用對(duì)象切分和分類
2.4 數(shù)據(jù)處理的Matlab代碼
參考文獻(xiàn)
第三章 路邊視頻數(shù)據(jù)分析——非深度學(xué)習(xí)技術(shù)
3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
3.1.1 簡介
3.1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
3.1.3 實(shí)驗(yàn)結(jié)果
3.1 -4 總結(jié)
3.2 支持向量機(jī)學(xué)習(xí)
3.2.1 簡介
3.2.2 SVM學(xué)習(xí)方法
3.2.3 實(shí)驗(yàn)結(jié)果
3.2.4 總結(jié)
3.3 聚類學(xué)習(xí)
3.3.1 簡介
3.3.2 聚類學(xué)習(xí)法
3.3.3 實(shí)驗(yàn)結(jié)果
3.3.4 總結(jié)
3.4 模糊C一均值學(xué)習(xí)
3.4.1 簡介
3.4.2 模糊C一均值學(xué)習(xí)方法
3.4.3 實(shí)驗(yàn)結(jié)果
3.4.4 總結(jié)
3.5 集成學(xué)習(xí)
3.5.1 簡介
3.5.2 集成學(xué)習(xí)方法
3.5.3 實(shí)驗(yàn)結(jié)果
3.5.4 總結(jié)
3.6 基于多數(shù)投票法的混合學(xué)習(xí)
3.6.1 簡介
3.6.2 多數(shù)投票法
3.6.3 實(shí)驗(yàn)結(jié)果
3.6.4 總結(jié)
3.7 區(qū)域合并學(xué)習(xí)
3.7.1 簡介
3.7.2 區(qū)域合并法
3.7.3 方法的組件
3.7.4 實(shí)驗(yàn)結(jié)果
3.7.5 總結(jié)
參考文獻(xiàn)
第四章 路邊視頻數(shù)據(jù)分析的深度學(xué)習(xí)技術(shù)
4.1 簡介
4.2 相關(guān)工作
4.3 自動(dòng)與手動(dòng)特征提取
4.3.1 簡介
4.3.2 比較框架
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 總結(jié)
4.4 單一架構(gòu)VS集成架構(gòu)
4.4.1 簡介
4.4.2 比較框架
4.4.3 實(shí)驗(yàn)結(jié)果
4.4.4 總結(jié)
4.5 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.1 簡介
4.5.2 深度學(xué)習(xí)網(wǎng)絡(luò)
4.5.3 實(shí)驗(yàn)結(jié)果
4.5.4 討論
4.5.5 總結(jié)
參考文獻(xiàn)
第五章 案例分析：火災(zāi)風(fēng)險(xiǎn)評(píng)估中的路邊視頻數(shù)據(jù)分析
5.1 導(dǎo)論
5.2 相關(guān)工作
5.3 提出的VOCGP算法
5.3.1 問題定義和動(dòng)機(jī)
5.3.2 方法概覽
5.3.3 草區(qū)域分割
5.3.4 基于伽博濾波器投票的主垂直方向檢測(cè)
5.3.5 草像素的垂直方向連通性計(jì)算
5.4 實(shí)驗(yàn)結(jié)果
5.4.1 路邊數(shù)據(jù)搜集
5.4.2 實(shí)驗(yàn)設(shè)置
5.4.3 草生物量估計(jì)的性能
5.4.4 草密度預(yù)測(cè)的性能
5.4.5 易著火區(qū)域識(shí)別
5.5 討論
5.6 總結(jié)
參考文獻(xiàn)
第六章 總結(jié)和展望
6.1 對(duì)未來研究的建議
6.2 新的挑戰(zhàn)
6.3 新的機(jī)會(huì)和應(yīng)用