بینایی کامپیوتر؛ اصول، الگوریتم ها، کاربردها، یادگیری

بینایی کامپیوتر: اصول، الگوریتم‌ها، کاربردها، یادگیری (که قبلاً با عنوان بینایی کامپیوتر و ماشین شناخته می‌شد) به طور واضح و سیستماتیک روش‌شناسی اساسی بینایی کامپیوتر را ارائه می‌دهد و عناصر اساسی این نظریه را پوشش می‌دهد و در عین حال بر محدودیت‌های طراحی الگوریتمی و عملی تأکید دارد. این ویرایش پنجم که به طور کامل اصلاح شده است، مفاهیم و کاربردهای بیشتری از بینایی کامپیوتر را آورده است و آن را به متنی بسیار جامع و به‌روز تبدیل کرده است که برای دانشجویان کارشناسی و کارشناسی ارشد، محققان و مهندسان تحقیق و توسعه که در این موضوع پویا کار می‌کنند، مناسب است.

مصاحبه‌ای با نویسنده را ببینید که رویکرد او را در آموزش و یادگیری بینایی کامپیوتر توضیح می‌دهد – http://scitechconnect.elsevier.com/computer-vision/

سه فصل جدید در مورد یادگیری ماشین بر نحوه توسعه این موضوع تأکید دارند. دو فصل مفاهیم طبقه‌بندی اولیه و مدل‌های احتمالاتی را پوشش می‌دهند. و فصل سوم اصول شبکه‌های یادگیری عمیق را پوشش می‌دهد و تأثیر آنها بر بینایی کامپیوتر را نشان می‌دهد که در فصل جدید تشخیص و تشخیص چهره منعکس شده است.

فصل جدیدی در مورد تقسیم‌بندی اشیا و مدل‌های شکل، روش‌شناسی یادگیری ماشین را منعکس می‌کند و نمایش‌های عملی از کاربرد آن را ارائه می‌دهد. بحث‌های عمیقی در مورد تبدیل‌های هندسی، الگوریتم EM، تقویت، تقسیم‌بندی معنایی، تشخیص چهره در جلو، RNNها و سایر مباحث کلیدی گنجانده شده است.

مثال‌ها و کاربردها – از جمله مکان بیسکویت‌ها، اجسام خارجی، چهره‌ها، چشم‌ها، خطوط جاده، نظارت، وسایل نقلیه و عابران پیاده – جزئیات توسعه سیستم‌های بینایی در دنیای واقعی را ارائه می‌دهند و واقعیت‌های پیاده‌سازی عملی را نشان می‌دهند.

ریاضیات لازم و نظریه اساسی با توضیحات دقیق و مثال‌های مصور قابل فهم شده‌اند.

بخش‌های «پیشرفت‌های اخیر» که در هر فصل گنجانده شده‌اند، با هدف به‌روز کردن دانشجویان و متخصصان با این موضوع به‌سرعت در حال تغییر ارائه شده‌اند.

مثال‌های برنامه‌نویسی متناسب – کد، روش‌ها، تصاویر، وظایف، نکات و راه‌حل‌ها (عمدتاً شامل MATLAB و ++C)