دانلود کتاب تجزیه و تحلیل محتوای چند رسانه ای مبتنی بر درک بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Understanding-Oriented Multimedia Content Analysis
ویرایش : 1
عنوان ترجمه شده به فارسی : تجزیه و تحلیل محتوای چند رسانه ای مبتنی بر درک
سری : Springer Theses
نویسندگان : Zechao Li (auth.)
ناشر : Springer Singapore
سال نشر : 2017
تعداد صفحات : 166
ISBN (شابک) : 9789811036897 , 9789811036880
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 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.
این کتاب مقدمه ای سیستماتیک برای رویکرد درک محور برای تحلیل محتوای چندرسانه ای ارائه می دهد. این مدلهای درک بصری و یادگیری را در یک چارچوب یکپارچه ادغام میکند، که در آن درک بصری یادگیری مدل را هدایت میکند در حالی که مدلهای آموختهشده درک بصری را بهبود میبخشند. به طور خاص، بازنمایی و تجزیه و تحلیل محتوای چندرسانهای از جمله انتخاب ویژگی، استخراج ویژگی، برچسبگذاری تصویر، توصیه برچسب کاربر محور و برنامههای کاربردی چندرسانهای مبتنی بر درک را مورد بحث قرار میدهد. این کتاب توسط دانشگاه آکادمی علوم چین و فدراسیون کامپیوتر چین به عنوان پایان نامه دکتری برجسته معرفی شد. با ارائه فناوریهای اساسی و روشهای پیشرفته، منبع ارزشمندی برای دانشجویان تحصیلات تکمیلی و محققانی است که در زمینه بینایی کامپیوتر و یادگیری ماشین کار میکنند.
This book offers a systematic introduction to an understanding-oriented approach to multimedia content analysis. It integrates the visual understanding and learning models into a unified framework, within which the visual understanding guides the model learning while the learned models improve the visual understanding. More specifically, it discusses multimedia content representations and analysis including feature selection, feature extraction, image tagging, user-oriented tag recommendation and understanding-oriented multimedia applications. The book was nominated by the University of Chinese Academy of Sciences and China Computer Federation as an outstanding PhD thesis. By providing the fundamental technologies and state-of-the-art methods, it is a valuable resource for graduate students and researchers working in the field computer vision and machine learning.