دسته: آموزشی
دانلود کتاب یادگیری ماشین در بینایی کامپیوتر بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Machine Learning in Computer Vision
ویرایش : 1
عنوان ترجمه شده به فارسی : یادگیری ماشین در بینایی کامپیوتر
سری : Computational Imaging and Vision
نویسندگان : Michele Maggiore
ناشر : Springer
سال نشر : 2005
تعداد صفحات : 249
ISBN (شابک) : 9780198520733 , 0198520735
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
هدف این کتاب پرداختن به استفاده از چندین تکنیک مهم یادگیری ماشین در برنامه های بینایی کامپیوتر است. ترکیبی نوآورانه از تکنیکهای بینایی رایانه و یادگیری ماشین، نوید پیشرفت حوزه بینایی رایانه را میدهد که به درک بهتر برنامههای پیچیده دنیای واقعی کمک میکند. استفاده مؤثر از فناوری یادگیری ماشین در مسائل بینایی رایانه در دنیای واقعی مستلزم درک دامنه کاربرد، انتزاع یک مسئله یادگیری از یک کار بینایی رایانه ای معین، و انتخاب نمایش های مناسب برای یادگیری (ورودی) و آموخته شده (داخلی) است. موجودات سیستم.
در این کتاب، ما به تمام این جنبههای مهم از منظری جدید میپردازیم: اینکه عنصر کلیدی در انقلاب رایانهای کنونی، استفاده از یادگیری ماشین برای ثبت تغییرات در ظاهر بصری است. به جای اینکه طراح مدل این کار را انجام دهد. به عنوان یک امتیاز، مدلهایی که از مجموعه دادههای بزرگ به دست میآیند احتمالاً قویتر و واقعیتر از مدلهای تمام طراحی شکننده هستند.
The goal of this book is to address the use of several important machine learning techniques into computer vision applications. An innovative combination of computer vision and machine learning techniques has the promise of advancing the field of computer vision, which contributes to better understanding of complex real-world applications. The effective usage of machine learning technology in real-world computer vision problems requires understanding the domain of application, abstraction of a learning problem from a given computer vision task, and the selection of appropriate representations for the learnable (input) and learned (internal) entities of the system.
In this book, we address all these important aspects from a new perspective: that the key element in the current computer revolution is the use of machine learning to capture the variations in visual appearance, rather than having the designer of the model accomplish this. As a bonus, models learned from large datasets are likely to be more robust and more realistic than the brittle all-design models.