基于深度學(xué)習(xí)理論的紋身圖像識(shí)別與檢測(cè)研究

定　價(jià)：￥39.80

作　者：	許慶勇著
出版社：	華中科技大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787568047203	出版時(shí)間：	2019-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	142	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書針對(duì)紋身圖像的局部性、內(nèi)容的復(fù)雜性、紋理的清晰性、顏色的單一性、圖案Logo的標(biāo)志性、大小形狀的多樣性等特點(diǎn)，運(yùn)用深度學(xué)習(xí)理論，從紋身的特點(diǎn)、研究理論、紋身識(shí)別與檢測(cè)研究三方面進(jìn)行系統(tǒng)、科學(xué)的研究。紋身圖像識(shí)別與檢測(cè)研究是近幾年才引起學(xué)者和相關(guān)人員重視的，其研究發(fā)展也是一個(gè)不斷完善的過(guò)程，希望本書能對(duì)相關(guān)領(lǐng)域的研究起到一定的作用。

作者簡(jiǎn)介

　　許慶勇，男，現(xiàn)任南昌大學(xué)旅游學(xué)院教師。南昌大學(xué)信息管理與信息系統(tǒng)博士，2015年9月至2016年9月在新加坡南洋理工大學(xué)擔(dān)任訪問(wèn)學(xué)者。主持和參與省部級(jí)課題10余項(xiàng)，作為主要參加者參與國(guó)家社會(huì)科學(xué)基金項(xiàng)目3項(xiàng)，國(guó)家自然科學(xué)基金項(xiàng)目1項(xiàng)，公開(kāi)發(fā)表學(xué)術(shù)論文20余篇，參編專著2部。

圖書目錄

第一章緒論/1
一、引言/3
二、深度學(xué)習(xí)/5
三、紋身圖像/12
四、紋身圖像識(shí)別與檢測(cè)/22

第二章紋身圖像處理理論基礎(chǔ)/27
一、圖像底層特征/29
二、詞包模型/36
三、空間金字塔概述/37
四、深度置信網(wǎng)絡(luò)概述/38
五、卷積神經(jīng)網(wǎng)絡(luò)/42

第三章深度學(xué)習(xí)算法在紋身圖像檢測(cè)中的比較研究/47
一、深度學(xué)習(xí)算法/49
二、對(duì)比實(shí)驗(yàn)與分析/56

第四章基于多特征融合的DBN紋身圖像識(shí)別與檢測(cè)/63
一、引言/65
二、基于多特征融合的DBN紋身圖像檢測(cè)改進(jìn)算法/66
三、基于視覺(jué)詞包的DBN紋身圖像檢測(cè)改進(jìn)算法（BOVW-DBN）/68
四、基于空間金字塔的DBN紋身圖像檢測(cè)改進(jìn)算法（SP-DBN）/74
五、基于DBN改進(jìn)算法在Caltech 101 分類中的應(yīng)用/78
六、基于DBN改進(jìn)算法在紋身圖像檢測(cè)中的應(yīng)用/82

第五章基于全連接層的CNN紋身圖像檢測(cè)/93
一、 CNN基本結(jié)構(gòu)/96
二、基于CNN的改進(jìn)算法/97
三、基于三通道R-CNN的紋身檢測(cè)（CFT Faster R-CNN）/118

主要參考文獻(xiàn)/130
后記/143