新書推薦：
《
PyTorch深度学习与计算机视觉实践
》
售價：HK$
90.9
《
新任经理 100 天实战指南
》
售價：HK$
89.7
《
日本百鬼画谱
》
售價：HK$
71.3
《
大明拐点 ： 天启党争
》
售價：HK$
66.7
《
纲鉴易知录评注（布面精装 全8册）
》
售價：HK$
572.7
《
官商跃迁：中国古代政商关系简史
》
售價：HK$
101.2
《
当代学术·乡族与国家：多元视野中的闽台传统社会（修订本）
》
售價：HK$
101.2
《
了不起的中国冠军：讲给孩子的奥运故事
》
售價：HK$
78.2
|
| 編輯推薦： |
|
1、作者运用计算机视觉技术解决视觉检测、水下图像处理等科研难题的学术总结，有较强的借鉴启发价值。2、取材于省级重大科技专项，面向战略新兴科技攻关，在机器人智能化、深海发展战略等领域方向均有重要应用价值。
|
| 內容簡介： |
|
本书以提高智能无人系统的环境感知和识别能力为主线，系统展示基于视觉注意机制的服务机器人深度感知方法研究、基于深度学习框架的水下遮挡图像识别方法研究、面向畜类肉品骨骼在线定位的轻量化显著性检测网络构建等典型应用案例。本书充分介绍了视觉显著性检测、视觉注意机制、图像修复、目标检测与识别的发展现状，构建了基于脉冲耦合神经网络和基于元胞自动机多尺度优化的改进显著性区域提取算法，提出了基于两阶段引导的协同显著性检测方法，同时基于深度学习框架搭建多个遮挡图像重构和目标识别方法，并在软件仿真、真实环境等多实验场景中验证了算法的有效性。本书适合从事智能机器人开发和研制的科研人员、智能制造行业及智能城市建设管理人员阅读，也可作为高等院校人工智能、机器人工程、农业工程等专业教师、学生的参考书。
|
| 目錄：
|
第一章绪论
第一节计算机视觉技术002
第二节视觉注意机制研究现状005
一、 元胞自动机的基本结构006
二、协同显著性算法研究现状010
第三节图像修复与目标检测研究现状013
一、图像修复的研究现状013
二、目标检测的研究现状015
第二章基于PCNN的显著性区域混合估计模型研究
第一节引言018
第二节显著性滤波算法020
一、图像预处理（abstraction）020
二、颜色独立性度量（element uniqueness）021
三、空间颜色分布度量（element distribution）022
四、生成显著性图（saliency assignment）023
五、算法鲁棒性讨论023
第三节基于PCNN的改进显著性区域提取算法025
一、输入单元026
二、连接调制单元027
三、点火脉冲单元027
第四节实验结果及总结分析030
一、标准数据库030
二、评价方案和指标031
三、标准数据库实验及分析033
第三章基于多尺度优化的显著性目标细微区域检测方法研究
第一节引言044
第二节元胞自动机模型045
一、元胞自动机的基本结构045
二、元胞自动机的应用047
第三节显著性目标细微区域检测算法047
一、暗通道先验原始显著性图049
二、元胞自动机优化显著性图051
三、贝叶斯概率融合方法052
第四节实验结果及分析054
一、DUTOMRON数据库054
二、加权综合F值评价方案055
三、数据库实验及分析058
第四章基于引导传播和流形排序的协同显著性检测方法研究
第一节引言068
第二节基于流形排序的显著性计算方法069
一、流形排序070
二、图模型建立070
三、显著性检测071
第三节协同显著性算法模型072
一、输入图像预处理074
二、图像间显著性传播075
三、图像内流形排序076
第四节实验结果及分析078
一、协同显著性数据库078
二、定性和定量对比实验078
三、算法参数讨论086
四、算法模型独立性分析087
五、算法执行效率088
六、真实场景图像检测和分割实验088
第五章场内外特征融合的水下残缺图像精细修复
第一节常识性知识的检索和嵌入092
第二节特征融合094
第三节基于场内外特征融合的水下残缺图像重构096
一、水下残缺图像重构模型096
二、粗修复网络096
三、精细修复网络097
四、损失函数099
第四节场内外特征融合的水下残缺图像修复结果与分析100
一、实验设置100
二、定性评价实验100
三、定量评价实验104
第六章基于显著环境特征融合的水下遮挡目标精细重构
第一节对比学习108
第二节注意力机制110
第三节基于环境特征融合的水下遮挡目标精细重构112
一、水下遮挡目标精细重构模型112
二、模型训练与损失函数113
第四节基于环境特征融合的水下遮挡目标重构实验结果与分析114
一、实验设置114
二、水下遮挡图像重构仿真与结果分析114
第七章水下遮挡目标的识别
第一节基于迁移学习的水下遮挡目标识别122
一、迁移学习介绍123
二、基于自适应多特征集成迁移学习模型123
三、基于迁移学习的水下遮挡目标识别124
第二节基于融合显著环境特征的水下遮挡目标识别125
一、特征提取126
二、交互作用128
三、目标识别及损失函数129
四、基于融合显著环境特征的水下遮挡目标识别仿真与结果分析130
第三节基于两阶段图像重构策略的水下遮挡目标识别136
一、自适应边界回归的目标识别模型136
二、基于两阶段图像重构策略的水下遮挡目标识别仿真与结果分析139
第八章应用案例
第一节显著性检测在机器人目标抓取任务中的典型应用案例144
一、服务机器人平台介绍144
二、基于显著性检测的空间障碍物感知策略148
三、基于协同显著性检测的空间物体检测与定位方法151
第二节水下目标识别在AUV场景感知任务中的典型应用案例155
一、水下机器人的研究现状155
二、图像处理技术在水下机器人领域的应用现状156
三、机器人调试与水下图像识别157
第三节轻量级显著性检测在肉品智能化加工中的经典应用案例157
一、轻量级显著性检测研究现状157
二、国内外肉品智能化加工机器人技术发展状况158
三、基于轻量化显著性检测的畜类肉品骨骼在线定位160
第四节总结与展望162
一、总结162
二、展望165
参考文献
|
| 內容試閱：
|
人类视觉感知系统是人类感知周围环境的重要途径，80%的外界信息都是通过视觉获取。视觉感知具备获取信息直观、颜色丰富、层次分明、十分有利于观察者对场景的理解和分析等特点。因此，越来越多的学者将“视觉”环境感知系统引入到计算机视觉领域以处理图像问题。计算机视觉模拟人类视觉感知系统的视觉功能，利用视觉传感器获取物体图像，再通过视觉算法处理、分析图像信息，获取目标信息并识别目标。
以模拟人类视觉注意机制为切入点的图像处理技术日益成熟，且逐步向遥感、水下、深空等多任务领域辐射。智能机器人感知外部世界的途径与人类似，因此急需深入挖掘视觉注意机制在智能机器人视觉感知领域应用的深度和广度。通过对国内外相关领域研究现状的分析可以发现，视觉技术本身还有很多重要的技术难点有待突破，在将视觉技术应用于不同智能机器人载体的具体任务对象时，缺乏针对性更强的应用方案。急需解决的相关技术难题包括：在显著性计算模型构建过程中，如何克服由人类主观设计意识带来的伪模拟人类视觉注意机制问题，使算法模型能更好地应对弱对比度背景、显著性目标离散分布、强纹理干扰等挑战；在协同显著性算法研究过程中，如何权衡图像间协同解算模型与图像内显著性区域分布之间的依存和制约关系；在以环境感知为基础的智能机器人具体任务执行过程中，如何充分利用视觉显著性检测技术，实现对核心技术难点的突破，以加快具有高度智能的机器人走进普通家庭的步伐；在图像修复领域，如何使背景复杂的水下残缺图像“无中生有”；基于深度学习的目标识别模型在处理水下复杂场景识别问题上具有明显优势，但尚缺乏针对水下遮挡物存在情况的精确识别技术研究。
本书基于作者多年的视觉技术研究成果，系统展示了基于视觉注意机制的服务机器人深度感知方法研究、基于深度学习框架的水下遮挡图像识别方法研究、面向畜类肉品骨骼在线定位的轻量化显著性检测网络构建等典型应用案例。构建基于脉冲耦合神经网络的显著性区域提取算法、基于元胞自动机多尺度优化的改进显著性区域提取算法和基于两阶段引导的协同显著性检测方法以提高智能无人系统环境感知能力和显著区域提取能力，提出基于场内外特征融合的水下残缺图像修复方法、基于环境特征融合水下目标精细重构方法、基于显著环境特征融合的水下遮挡目标识别方法、基于两阶段图像重构策略的水下遮挡目标识别方法，以提高智能无人系统环境自适应和目标识别能力。
本书从六大技术方面详细剖析和介绍笔者在数字图像视觉显著性检测、修复与目标识别领域的最新研究成果，并以实际场景下的不同应用平台为基础，开展了大量应用性实验，对实验数据做了详细的整理，以完善的应用案例形式展示给读者。本书研究内容对促进我国机器人智能化感知与决策技术的发展，以及对形成我国走向深蓝的海洋发展战略解决方案具有积极的推动作用和极高的参考价值，相关技术具有重要理论意义和广阔的市场应用需求。
本书由河南科技学院徐涛副教授著。在出版过程中得到河南省重大科技专项（221100110500）、河南省重点研发专项（231111220700）资助，同时得到河南科技学院人工智能学院蔡磊教授的大力帮助和支持，周纪勇、赵未硕和段子洋三位研究生协助完成了部分资料整理工作，在此一并表示衷心的感谢。
人工智能及其相关技术研究发展迅速，与各行业的交叉融合前景广阔，限于作者的专业水平，书中疏漏之处在所难免，恳请各位读者批评指正。
著者
2023年8月于河南省新乡市
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
